bone_2026/models/train_report.md

Отчёт об обучении классификатора качества DXA

• Backbone: resnet18
• Устройство: mps
• Источник меток: labels/labels_images.csv
• Seed: 42, балансировка классов: none
• Размер выборок: train 198 снимков / 81 исследований, val 53 снимков / 19 исследований (разбиение по исследованиям)
• Предобработка: {'norm': 'percentile', 'p_low': 0.5, 'p_high': 99.5, 'imagenet_norm': True, 'input_size': 224}
• Обучено эпох: 82, лучшая эпоха: 57
• Рабочий порог (подобран по F1 на валидации): логит -0.1370 (вероятность 0.4658)

Метрики на валидации (лучший чекпоинт)

Метрика	Значение
Accuracy	0.6792
Precision	0.4783
Recall	0.6875
F1	0.5641
ROC-AUC	0.6689
PR-AUC	0.4769
Порог (логит / вероятность)	-0.1370 / 0.4658
TP/TN/FP/FN	11/25/12/5

Валидация невелика (единицы исследований), поэтому метрики имеют широкий доверительный интервал и не заменяют оценку на закрытом наборе.

Метрики по анатомическим областям

Область	n	Нарушений	ROC-AUC	F1	Recall
spine	19	5	0.9286	0.8000	0.8000
hip_right	17	6	0.6061	0.5714	0.6667
hip_left	17	5	0.5667	0.4000	0.6000

Нарушения в наборе распределены крайне неравномерно (в позвоночнике ~29 % снимков против ~4–5 % у бёдер), а анатомическая область почти однозначно определяется по размеру кадра. Поэтому общий AUC частично отражает различение области, а не только распознавание дефекта: сопоставляйте общий показатель со значениями по областям.

Ограничения и следующий шаг

• Единицей разметки в исходных данных было исследование; снимок наследует метку исследования, поэтому часть меток заведомо шумная.
• Область предсказывает вспомогательная голова; при ошибке области тип нарушения тоже будет определён неверно.
• Для устойчивой оценки нужен больший набор и независимый тест: на 20–50 снимках валидации доверительные интервалы метрик очень широкие.