一、前言
本来这周的计划是更新上采样篇的，但是上采样篇涉及到的数学知识较多，为了让大家更好的理解弄懂，需要花费大量的时间来阐述，加上本周正在做第一篇论文的实验，实验量很多，因此，将上采样篇延迟更新。请大家谅解！那么，本篇文章主要介绍深度学习中常用的几个评估指标，这是评价一个网络模型好坏的标准，非常重要，最后，希望大家学的愉快！你们的支持是我更新最大的动力！
二、评估指标解析
在阐述评估指标之前，需要搞清楚混淆矩阵，也就是TP、TN、FP、FN之间的联系。
TP：被模型预测为正类的正样本
TN：被模型预测为负类的负样本
FP：被模型预测为正类的负样本
FN：被模型预测为负类的正样本
以西瓜数据集为例，我们来通俗理解一下什么是TP、TN、FP、FN。
TP：被模型预测为好瓜的好瓜（是真正的好瓜，而且也被模型预测为好瓜）
TN：被模型预测为坏瓜的坏瓜（是真正的坏瓜，而且也被模型预测为坏瓜）
FP：被模型预测为好瓜的坏瓜（瓜是真正的坏瓜，但是被模型预测为了好瓜）
FN：被模型预测为坏瓜的好瓜（瓜是真正的好瓜，但是被模型预测为了坏瓜）
2.1 Accuracy
精确度：分类正确的像素点与全部像素点的比值
2.2 Dice
2.3 Jaccard
2.4 Sensitivity
敏感度：描述识别出的所有正例占所有正例的比例
2.5 Specificity
特异度：描述识别出的负例占所有负例的比例
2.6 ASSD
ASSD全称Average symmetric surface distance ，中文释义为平均对称表面距离，假设Sa和Sb分别表示模型预测结果和ground truth，那么ASSD定位为：
觉得写的不错的话，欢迎点赞+评论+收藏，这对我帮助真的很大很大很大！欢迎关注我的公众号！
文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个专注于医学图像处理领域前沿科技的公众号。坚持以实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。更有上百部深度学习入门资料免费等你来拿，只有实践才能成长的更快，关注我们，一起学习进步~
计划 – 深度学习系列
1个字，绝! – CNN中十大令人拍案叫绝的操作
都2021年了，不会还有人连深度学习还不了解吧？（一）-- 激活函数篇
都2021年了，不会还有人连深度学习还不了解吧？（二）-- 卷积篇
都2021年了，不会还有人连深度学习还不了解吧？（三）-- 损失函数篇
都2021年了，不会还有人连深度学习还不了解吧？（四）-- 上采样篇
都2021年了，不会还有人连深度学习还不了解吧？（五）-- 下采样篇
都2021年了，不会还有人连深度学习还不了解吧？（六）-- Padding篇
都2021年了，不会还有人连深度学习还不了解吧？（七）-- 评估指标篇
都2021年了，不会还有人连深度学习还不了解吧？（八）-- 优化算法篇
都2021年了，不会还有人连深度学习还不了解吧？（九）-- 注意力机制篇
都2021年了，不会还有人连深度学习还不了解吧？（十）-- 数据归一化篇
转载：https://blog.csdn.net/dongjinkun/article/details/117559674