【分割评价指标】dice系数和IOU之间的区别和联系

【分割评价指标】dice系数和IOU之间的区别和联系

1. 介绍

dice系数（dice similarity coefficient）和IOU（intersection over union）都是分割网络中最常用的评价指标。

• 传统的分割任务中，IOU是一个很重要的评价指标，
• 而目前在三维医学图像分割领域，大部分的paper和项目都采用dice系数这个指标来评价模型优劣。

那么二者有什么区别和联系呢？

2. 区别和联系

首先，dice和IOU都是衡量两个集合之间相似性的度量，在图像分割领域用来衡量网络分割结果与标准mask之间的相似性。

2.1 IOU

IOU指标可以使用几何办法给出直观的解释：

图形表示如下：

在上半部分中，左上方的正方体是金标准，右下方的正方体是网络分割结果，中间蓝色的小正方体就是金标准和网络分割结果的重合部分，也就是TP（True Positive）。在下半部分中，蓝色区域代表金标准和网络分割结果的和再减去TP。
下面我们把上半部分的图像，即 Area of Overlap区域重新定义一下：

图中，蓝色部分为TP（True Positive），红色部分为FN（false negative），黄色部分为FP（false Positive）。根据这样的划分，重新给出IOU公式：

2.2 dice

依据TP、TN、FP、FN的概念，重写dice系数的计算公式：

2.3 联系

综合上面两个公式，经过变形，可以得到：

2.4 图像

当dice是0.961951时，对应的IOU是0.926691。我们把dice看作自变量，IOU看作因变量，上式即为一个函数公式。以dice为x轴，IOU为y轴，画出函数图像：

可以看出：使用dice系数可以得到一个更高的指标分数。

3. 参考

【1】https://www.cnblogs.com/jins-note/p/11674770.html
【2】https://blog.csdn.net/baidu_33312138/article/details/104942925