如何计算分割结果的AvgD、RMSD、VOE和VD评价指标？
如何计算分割结果的AvgD、RMSD、VOE和VD评价指标？
提问于 2018-09-06 03:40:15
我正在做医学图像分割和三维图像处理，有两幅图像，一张是地面真实值(gt)，一张是分割预测结果(segm)，我需要计算另外两个指标。
- 平均绝对表面距离(AvgD)，
- 平均均方根表面距离(RMSD)，
- 体积重叠误差(VOE)百分比，
- 相对体积差(VD)，以百分比计。
其中R是gt，S是segm。在python中，交集可以计算为np.logical_and(segm, gt)。但我不知道如何计算这四种评估指标。非常感谢你的帮助。
回答 2
Stack Overflow用户
发布于 2018-09-06 07:58:36
假设segm和gt是二进制ndarray，则可以计算VOE和VD：
voe = 100 * (1. - np.logical_and(segm, gt).sum() / float(np.logical_or(segm, gt)))
vd = 100 * (segm.sum() - gt.sum()) / float(gt.sum())请注意，您可以使用二进制掩码的.sum()来计算它的“大小”，即收S= segm.sum()。
Stack Overflow用户
发布于 2021-11-11 13:52:24
是的，有一些基于表面距离的度量。
- Hausdorff距离
- Hausdorff距离95%百分位数
- 平均(平均)表面距离
- 中位表面距离
- 表面距离标准差
https://pypi.org/project/seg-metrics/
这是一个简单的包，用于计算用于医学图像分割的不同指标(带有后缀.mhd、.mha、.nii、.nii.gz或.nrrd的图像)，并将它们写入csv文件。
举个例子：
首先安装此软件包。pip install seg-metrics
import seg_metrics.seg_metrics as sg
labels = [0, 4, 5 ,6 ,7 , 8]
gdth_file = 'data/gdth.mhd' # ground truth image full path
pred_file = 'data/pred.mhd' # prediction image full path
csv_file = 'metrics.csv'
metrics = sg.write_metrics(labels=labels[1:], # exclude background
gdth_path=gdth_file,
pred_path=pred_file,
csv_file=csv_file,
metrics=['hd', 'msd'])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/52196179
复制相关文章
相似问题
腾讯云开发者
