# Dice 系数 — 百科解释

## 核心定义
Dice 系数（Dice coefficient），又称 Sørensen–Dice 指数，是衡量两个集合相似度的统计量，在医学图像分割中广泛用于评估预测掩膜与金标准之间的重叠程度。数学定义为：  
**Dice = 2|X ∩ Y| / (|X| + |Y|)**  
其中 X 和 Y 分别表示预测区域和真实区域的像素集合；取值范围 [0, 1]，1 表示完全重叠，0 表示无重叠。

## 关键技术点
1. **与 IoU 的等价转换**：Dice = 2 · IoU / (1 + IoU)，后者（交并比）也是常见分割指标。Dice 对区域重叠更敏感，在医学小目标分割中常优先采用。
2. **Dice Loss**：直接以 1 - Dice 作为损失函数，广泛用于深度学习模型训练，尤其适合类别不平衡（如病灶面积远小于背景）场景，可缓解梯度消失问题。
3. **对边界不一致的鲁棒性**：Dice 仅关注重叠区域与总体积的比例，相较于像素级交叉熵损失，对分割边缘的轻微欠分割或过分割更宽容。
4. **多类别扩展**：针对多个解剖结构（如脑区分割），通常先计算每类 Dice，再取平均值（mDice）或加权平均，避免小结构被大结构淹没。
5. **与 F1 分数的等价性**：在二分类问题中，Dice 系数与 F1 分数完全等价（F1 = 2TP / (2TP + FP + FN)），因此也可视为一种综合评价精确率与召回率的指标。

## 医学/神经科学应用场景（以首都医科大学神经病学研究为背景）
在**脑卒中**影像分析中，Dice 系数用于评估自动分割算法对 MRI 梗死核心区域的定位精度。例如，首都医科大学宣武医院团队在研发缺血半暗带快速分割模型时，以专家手动勾勒的 DWI 高信号区域为金标准，计算模型输出与金标准之间的 Dice 系数。该指标不仅验证算法在急性期病灶（体积小、边界模糊）上的稳健性，还通过 Dice 阈值（如 >0.7）筛选出可进入临床试验的高置信度分割结果，从而辅助超早期溶栓决策。类似地，在**帕金森病**脑深部电刺激（DBS）靶点规划中，Dice 系数用于评估丘脑底核（STN）自动分割与微电极记录验证的吻合程度；在**局灶性癫痫**术前评估中，则用于量化致痫灶切除体积预测与术后疗效的一致性，最终提升神经外科手术的精准度。