跳转到主页内容
访问键 NCBI主页 MyNCBI主页 主要内容 主导航
比较研究
． 2011年3月17日;12:77。
doi: 10.1186 / 1471-2105-12-77。

pROC:用于R和S+分析和比较ROC曲线的开源包

泽维尔罗宾1， Natacha Turck， 亚历山大Hainard， 纳塔莉亚Tiberti， Frederique Lisacek， 租用桑切斯， 马库斯·穆勒
从属关系
免费PMC文章
比较研究

pROC:用于R和S+分析和比较ROC曲线的开源包

泽维尔罗宾et al。 BMC生物信息学． ．
免费PMC文章

摘要

背景:受试者工作特征(ROC)曲线是生物医学和生物信息学应用中评估分类器的有用工具。然而，结论往往是通过不一致的使用或不充分的统计分析得出的。为了支持研究人员分析ROC曲线，我们开发了pROC，这是一个R和S+包，包含一组显示、分析、平滑和比较ROC曲线的工具，具有用户友好、面向对象和灵活的界面。

结果:使用之前导入到R或S+环境中的数据，pROC包构建ROC曲线，并包括用于计算置信区间的函数，用于比较曲线下的总或部分面积或不同分类器的工作点的统计测试，以及用于平滑ROC曲线的方法。中间结果和最终结果在用户友好的界面中可视化。基于已发表的临床和生物标志物数据的案例研究展示了如何使用pROC进行典型的ROC分析。

结论:pROC是一个专门用于ROC分析的R和S+包。它提出了多种统计检验来比较ROC曲线，特别是曲线下的部分区域，允许正确的ROC解释。pROC有两种版本:R编程语言或S+统计软件中的图形用户界面。根据GNU通用公共许可证，可以在http://expasy.org/tools/pROC/上访问它。它还通过CRAN和CSAN公共存储库进行分发，便于安装。

数据

图1
图1
WFNS和S100β的ROC曲线．WFNS(蓝色)和S100β(绿色)的ROC曲线。黑色条形图为阈值4.5的WFNS置信区间，浅绿色区域为S100β的置信区间形状。垂直浅灰色形状对应的是pAUC区域。两条经验曲线的pAUC打印在图的中间，通过自举检验计算出的差异p值位于右侧。
图2
图2
WFNS的ROC曲线及平滑．灰色为WFNS的经验ROC曲线，采用三种平滑方法:副正态(蓝色)、密度(绿色)和正态分布拟合(红色)。
图3
图3
的屏幕截图pROCS+用于平滑WFNS ROC曲线．左上:General选项卡，在这里输入数据。右上:平滑的细节。左下角:情节的细节。选中“添加到现有图形”复选框，可以在图形上绘制多条曲线。右下:在标准S+绘图设备中的结果。
在PMC中查看此图像和版权信息

类似的文章

查看所有类似文章

引用的

参见所有“引用”文章

参考文献

    1. 不要农协。心理学的相对操作特征。科学。1973;182:990 - 1000。doi: 10.1126 / science.182.4116.990。-DOI-PubMed
    1. 用于分类和预测的医学检验的统计评价。牛津:牛津大学出版社;2003.
    1. 宋建平，李志强，李志强，等。ROC分析在生物序列和三维结构分类中的应用。生物信息，2008;9:198-209。doi: 10.1093 /龙头/ bbm064。-DOI-PubMed
    1. 对ROC分析的介绍。模式识别，2006;27:861-874。doi: 10.1016 / j.patrec.2005.10.010。-DOI
    1. 韩泽B，华J，司玛C，温斯坦J，比特纳M，多尔蒂ER。roc相关估计的小样本精度。生物信息学。2010;26:822 - 830。doi: 10.1093 /生物信息学/ btq037。-DOI-PubMed

发布类型

物质

LinkOut -更多的资源