图灵奖得主 LeCun 用来怼 Google 的乳腺癌 AI 论文，有何过人之处？(15)_2020年的第一天

在下面的实验中，我们在几个不同群体上评估我们的模型，以测试不同的假设：

（i）筛查人群，包括来自测试集的所有检查，不进行亚抽样

（ii）活检亚群，这是筛查人群的子集，仅包括接受活检的乳腺筛查人群的检查

（iii）阅片研究亚群，包括活检亚群和未发现任何病灶的筛查人群随机抽样的子集

B. 评价指标

我们主要根据AUC（ROC曲线下的面积）评估我们的模型对乳腺恶性/非恶性和良性/非良性分类任务的性能。阅片研究模型和阅片者对图像的分类成绩是根据AUC和PRAUC来评估的，这两个是评估放射科医生成绩的常用指标， ROC和PRAUC代表预测模型不同方面的性能。

C. 筛查人群

本节为筛选人群的结果，不同模型的结果如表３所示。总体而言，四个模型的AUC都较高且基本持平。 ‘view-wise’image-and-heatmaps集成模型在结构上与预训练阶段使用的BI-RADS模型最为相似，在预测恶性/非恶性方面表现最佳，在筛查人群的AUC为0.895 ，活检人群的AUC为0.850 。