45、端到端结节分析及未来方向

端到端结节分析及未来方向

1. 在 TensorBoard 中添加更多输出

在重新训练模型时，向 TensorBoard 添加更多输出以评估训练情况是很有价值的。对于直方图，TensorBoard 有预定义的记录函数；而对于 ROC 曲线，它没有原生支持，因此我们需要借助 Matplotlib 接口。

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地了解模型输出，查看是否存在大量完全错误的输出概率簇。

在展示数据时，对数据进行处理是获取高质量信息的重要环节。若有许多非常自信的正确分类，可以考虑排除最左侧的区间。要在屏幕上呈现合适的内容，通常需要经过仔细思考和反复实验。调整展示内容时不要犹豫，但要注意，若更改了特定指标的定义而未更改名称，可能会导致比较结果不准确。

以下是创建直方图的代码：

# 定义指标索引
METRICS_LABEL_NDX = 0
METRICS_PRED_NDX = 1
METRICS_PRED_P_NDX = 2
METRICS_LOSS_NDX = 3
METRICS_SIZE = 4

# 设置区间
bins = np.linspace(0, 1)

# 添加负标签直方图
writer.add_histogram(
    'label_neg',
    metrics_t[METRICS_PRED_P_NDX, negLabel_mask],
    self.totalTrainingSamples_count,
    bins=bins
)

# 添加正标签直方图