训练完成后，系统自动计算评估指标并生成可视化结果。
评估指标
分割任务
| 指标 | 说明 | 取值范围 |
|---|
| Dice 系数 | 集合相似度度量 | 0-1，越高越好 |
| IoU (Jaccard) | 交并比 | 0-1，越高越好 |
| Hausdorff 距离 | 边界距离度量 | 0-∞，越低越好 |
| 灵敏度 (Sensitivity) | 真阳性率 | 0-1，越高越好 |
| 特异度 (Specificity) | 真阴性率 | 0-1，越高越好 |
分类任务
| 指标 | 说明 | 取值范围 |
|---|
| 准确率 (Accuracy) | 整体正确率 | 0-1 |
| 精确率 (Precision) | 预测为正的准确率 | 0-1 |
| 召回率 (Recall) | 实际为正的检出率 | 0-1 |
| F1 分数 | 精确率和召回率的调和平均 | 0-1 |
| AUC | ROC 曲线下面积 | 0-1 |
可视化
3D 分割结果
- 交互式 3D 体渲染
- 原始影像与分割结果叠加显示
- 支持旋转、缩放、切片浏览
2D 切片浏览
- 逐切片查看分割结果
- 支持轴状、矢状、冠状三个方向
- 原始影像、Ground Truth、预测结果对比
曲线图
- ROC 曲线 — 不同阈值下的灵敏度-特异度曲线
- PR 曲线 — 精确率-召回率曲线
- 训练曲线 — Loss 和指标随 epoch 的变化
混淆矩阵
- 热力图显示分类结果
- 标注具体数值和百分比
- 支持多分类场景
结果导出
- 导出评估指标为 CSV / Excel
- 导出可视化图片为 PNG / SVG
- 导出完整实验报告为 PDF