45、端到端结节分析及后续方向探索

端到端结节分析及后续方向探索

1. TensorBoard 中的更多输出

在重新训练模型时，我们可以向 TensorBoard 添加更多输出，以评估训练效果。TensorBoard 有预定义的直方图记录功能，但不支持绘制 ROC 曲线，这为我们提供了使用 Matplotlib 接口的机会。

1.1 直方图

我们可以对恶性预测概率制作直方图，分别为良性和恶性结节各创建一个。这些直方图能让我们细致观察模型输出，查看是否存在大量错误的输出概率簇。

在展示数据时，对数据进行整理是获取高质量信息的重要环节。若有许多高置信度的正确分类，可考虑排除最左侧的区间。要在屏幕上呈现合适的内容，通常需要经过反复思考和实验。调整展示内容时要谨慎，注意不要在不更改指标名称的情况下改变其定义，以免进行不恰当的比较。

以下是创建直方图的代码：

METRICS_LABEL_NDX = 0
METRICS_PRED_NDX = 1
METRICS_PRED_P_NDX = 2
METRICS_LOSS_NDX = 3
METRICS_SIZE = 4

bins = np.linspace(0, 1)
writer.add_histogram(
    'label_neg',
    metrics_t[METRICS_PRED_P_NDX, negLabel_mask],
    self.totalTrainingSamples_count,
    bins=bins
)
writer.add_histogram(
    'label_pos',
    metrics_t[ME