Wir Radiologen haben den "Diffusen Befall" - ein Bildmerkmal, nicht zu verwechseln mit der Plasmazellinfiltration - in 3 Klassen eingeteilt. Jetzt würden wir basieren auf den Trainingsdaten berechnen, wie jeweils die mittlere PCI für jede Klasse ist. Da könnte z.B. rauskommen:
Rater 1:
Klasse 1: Mittlere PCI 20%
Klasse 2: Mittlere PCI 40%
Klasse 3: Mittlere PCI 60%
Und dann haben wir Radiologen alle Fälle im Testset bzgl. der Klassen des diffusen Befalls eingeteilt. Jetzt würden wir, basierend auf unseren auf dem Trainings-set ermittelten mittleren PCIs der jeweiligen Klasse, diese PCI als Schätzer für den Fall der jeweiligen Klasse mit diffusem Befall im Testset nehmen.
Beispiel:
Radiologe 1 hat Test-Case 1 mit Klasse 1 bewertet: Hier wäre die prädizierte PCI des Radiologen 1 20%
Radiologe 2 hat Test-Case 2 mit Klasse 3 bewertet: Hier wäre die prädizierte PCI des Radiologen 60%
Und dann würden wir wieder ausrechnen, wie der MAE dieses Modells ist, und ob die so prädizierten Werte mit den tatsächlichen Werten korrelieren
Description
Description
Related Objects
Related Objects
- Mentioned Here
- T1: testbug1
Event Timeline
Comment Actions
Spalte mit Klassen: DB T1&T2&Diff
Mittelwerte der Klassen auf Trainingsdaten berechnen
Auf Testdaten: Radiologist prediction der klasse nehmen und entsprechenden PCI Klassenmittelwert mit true PCI vergleichen (MAE)