ROC曲线如何确定诊断临界值

Posted 2023-04-20

有诊断指标，诊断结果，SPSS可直接做出ROC曲线，不需要自己计算1-spe和sen的。 不同版本的ROC曲线的位置不一样，找找分析或作图两个菜单可以找到ROC曲线这个命令的。

ROC曲线最靠近左上方那个点的临界值为最佳临界值。一般统计软件会提供一个所有临界值的表，每一个临界值对应不同的灵敏度和特异度，再计算约登指数最大点对应的临界值，即最终结果。

扩展资料

ROC曲线的特性

（1）β值的改变独立于d’的变化，考察β值变化对P(y/SN)和P(y/N)的影响时发现：当β接近0时，击中概率几乎为0，即信号全当成噪音接受；当β接近无穷大时，虚惊概率几乎为0，即噪音全当成信号接受；而当β从接近0向无穷大渐变的过程中，将形成一条完整地ROC曲线。

曲线在某一处达到最佳的标准βOPT  。

（2）ROC曲线的曲率反应敏感性指标d’：对角线，代表P(y/SN)=P(y/N)，即被试者的辨别力d’为0，ROC曲线离这条线愈远，表示被试者辨别力愈强，d’的值当然就愈大。由上可知，d’的变化使ROC曲线形成一个曲线簇，而β的变化体现·在这一曲线簇中的某一条曲线上不同点的变化。

此外，如果将ROC曲线的坐标轴变为Z分数坐标，我们将看到ROC曲线从曲线形态变为直线形态。这种坐标变换可以用来验证信号检测论一个重要假设，即方差齐性假设。

（3）补充特性：

对于一条特定的ROC曲线来说，d’是恒定的，所以也叫等感受性曲线。

对角线代表辨别力等于0的一条线，也叫纯机遇线。

ROC曲线离纯机遇线越远，表明被试的辨别力越强。

辨别力不同的被试的ROC曲线也不同。

参考资料来源：百度百科-接受者操作特征曲线

参考技术A

ROC曲线最靠近左上方那个点的临界值为最佳临界值。

一般统计软件会提供一个所有临界值的表，每一个临界值对应不同的灵敏度和特异度，再计算约登指数最大点对应的临界值，即最终结果。

约登指数=灵敏度与特异度之和减去1。

扩展资料：

ROC曲线的具体绘制实例：杨治良（1983）曾做过这样一个实验：选图画页500页，分成五个组，每组100张。

五组画页的先定概率分别是0.1、0.3、0.5、0.7和0.9。对于每一组画页，主试者使用一种信号的先定概率，然后按此先定概率呈现给被试者一定数量的画页，要求被试者把它们当做”信号”记住。

例如，先定概率为0.1时，则当作”信号”的画页为10张；当做”噪音”的画页为90张。

作为信号的画页呈现完毕之后，与此组作为噪音的画页混合，然后随机地逐张呈现给被试。

这时，每呈现一张画页，即要求被试判断此画页是”信号”还是”噪音”，并要求被试把结果记录在实验纸上。

根据五种先定概率得到的实验结果，就可计算击中概率和虚惊概率。

最后，根据不同先定概率下的击中概率和虚惊概率，就可在图上确定各点的位置，把五点联接起来就绘成一条 ROC曲线。

参考资料来源：百度百科-ROC曲线

参考技术B

1、通常统计软件会提供一个所有临界值的表，可以对应该表得知，每一个临界值所对应不同的灵敏度和特异度，再计算约登指数最大点对应的临界值，即最终结果。

2、约登指数=灵敏度与特异度之和减去1。

3、通常情况下ROC曲线最靠近左上方那个点的临界值为最佳临界值。

扩展资料

1、接受者操作特性曲线就是以虚报概率为横轴，击中概率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。

2、ROC曲线的评价方法与传统的评价方法不同，无须此限制，而是根据实际情况，允许有中间状态，可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异常和异常五个等级再进行统计分析。因此，ROC曲线评价方法适用的范围更为广泛。

参考资料来源：百度百科-接受者操作特征曲线

参考技术C

1、ROC曲线最靠近左上方那个点的临界值为最佳临界值。

2、一般统计软件会提供一个所有临界值的表，每一个临界值对应不同的灵敏度和特异度，再计算约登指数最大点对应的临界值，即最终结果。约登指数=灵敏度与特异度之和减去1。

扩展资料：

1、受试者工作特征曲线 ，简称ROC曲线，又称为感受性曲线。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。

2、接受者操作特性曲线就是以虚报概率为横轴，击中概率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。

3、ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。传统的诊断试验评价方法有一个共同的特点，必须将试验结果分为两类，再进行统计分析。

4、ROC曲线的评价方法与传统的评价方法不同，无须此限制，而是根据实际情况，允许有中间状态，可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异常和异常五个等级再进行统计分析。因此，ROC曲线评价方法适用的范围更为广泛。

参考资料：百度百科-ROC曲线

参考技术D

ROC曲线最靠近左上方那个点的临界值为最佳临界值。

一般统计软件会提供一个所有临界值的表，每一个临界值对应不同的灵敏度和特异度，再计算约登指数最大点对应的临界值，即最终结果。

ROC曲线的具体绘制实例：选图画页500页，分成五个组，每组100张。五组画页的先定概率分别是0.1、0.3、0.5、0.7和0.9。对于每一组画页，主试者使用一种信号的先定概率，然后按此先定概率呈现给被试者一定数量的画页，要求被试者把它们当做”信号”记住。

例如，先定概率为0.1时，则当作”信号”的画页为10张；当做”噪音”的画页为90张。作为信号的画页呈现完毕之后，与此组作为噪音的画页混合，然后随机地逐张呈现给被试。这时，每呈现一张画页，即要求被试判断此画页是”信号”还是”噪音”，并要求被试把结果记录在实验纸上 。

根据五种先定概率得到的实验结果，就可计算击中概率和虚惊概率。最后，根据不同先定概率下的击中概率和虚惊概率，就可在图上确定各点的位置，把五点联接起来就绘成一条 ROC曲线。

扩展资料：

ROC曲线的特性：

（1）β值的改变独立于d’的变化，考察β值变化对P(y/SN)和P(y/N)的影响时发现：当β接近0时，击中概率几乎为0，即信号全当成噪音接受。

当β接近无穷大时，虚惊概率几乎为0，即噪音全当成信号接受；而当β从接近0向无穷大渐变的过程中，将形成一条完整地ROC曲线，曲线在某一处达到最佳的标准βOPT 。

（2）ROC曲线的曲率反应敏感性指标d’：对角线，代表P(y/SN)=P(y/N)，即被试者的辨别力d’为0，ROC曲线离这条线愈远，表示被试者辨别力愈强，d’的值当然就愈大。

由上可知，d’的变化使ROC曲线形成一个曲线簇，而β的变化体现·在这一曲线簇中的某一条曲线上不同点的变化。

(3)补充特性：ROC曲线离纯机遇线越远，表明被试的辨别力越强。辨别力不同的被试的ROC曲线也不同。

参考资料来源：百度百科-  接受者操作特征曲线

matlab中的TraingValidationTesting

《matlab神经网络30个案例分析》

 

ROC曲线是反映敏感性和特异性连续变量的综合指标，roc曲线真阳性率为纵坐标，假阳性率为横坐标，在坐标上由无数个临界值求出的无数对真阳性率和假阳性率作图构成，计算ROC曲线下面积AUC来评价分类效率。