深度学习模型用于图像分析的性能评估：视觉控制与统计指标的考量
计算机视觉与模式识别
2026-03-17 v1
摘要
深度学习基于图像的自动化分析 (DL-AIA) 已被证明优于训练有素的病理学家，在与特征定量化相关的任务中发挥作用。与这些能力相关的是，DL-AIA工具的使用正在从原型研究扩展到常规应用，例如患者样本（诊断病理学）、监管安全评估（毒理学病理学）以及反复研究任务。为确保DL-AIA应用安全可靠，关键在于进行彻底且客观的概括性能评估（即算法准确预测感兴趣模式的能力），并可能评估模型鲁棒性（即算法在来自不同来源的图像上维持预测准确性的能力）。本文回顾了兽医病理学出版物中进行性能评估的做法，确定了两种方法：1）专门的视觉性能控制（即 eyeballing 算法预测）加上验证模型应用利用次要性能指数，以及2）统计性能控制（以及其他方法），需要在模型训练前创建数据集并分离出保留测试集。本文比较了统计和视觉性能控制方法的优缺点。此外，我们讨论了严格统计性能评估的相关考量，包括指标选择、测试数据集图像组成、ground truth标签质量、抽样方法如自助助理、多个模型的统计比较以及模型稳定性的评估。我们得出结论，视觉和统计评估具有互补的优势，两者结合提供了对DL模型性能及错误来源的最佳见解。
引用
@article{arxiv.2603.13557,
title = {Performance evaluation of deep learning models for image analysis: considerations for visual control and statistical metrics},
author = {Christof A. Bertram and Jonas Ammeling and Alexander Bartel and Gillian Beamer and Marc Aubreville},
journal= {arXiv preprint arXiv:2603.13557},
year = {2026}
}