dw.jang
252692417a
App 측정 시 자동 저장되는 CSV (Downloads/VesiScan_ADC/*.csv) 를 appshare for_app_share / vesiscan_test.library.method_d 로 재계산해 다음을 비교/시각화하는 영구 분석 툴. 4 modes: 1. Basic compare: App BV vs Python BV (mean/std/bias/CV) 2. Ablation: 5 algorithm config (DPS, lr floor 등) 개별 영향 3. Plot: BV timeseries / app↔py scatter / lr_ratio histogram 4. Cycle inspect: 특정 scan_id 의 raw → walls → BV detail 설계 의도: - 알고리즘 변경 후 회귀 자동 검증 - 임상 측정 정확도 (catheter ground truth) 비교 - device-to-device variance 분석 - lr_ratio 분포로 phantom vs human anatomy 패턴 차이 확인 appshare 경로 자동 탐색 + APPSHARE_DIR env var 지원. 검증: phantom 150 mL CSV (2547 scans) 로 smoke test 통과. APP mean=147.6 (-1.6%), Python NEW mean=93.0 (-38%, lr=0.67) → ablation 으로 lr_ratio 가 차이의 주범 확인. Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
78 lines
2.3 KiB
Markdown
78 lines
2.3 KiB
Markdown
# tools/
|
|
|
|
VesiScan-Basic 측정 결과 분석 / 검증 툴.
|
|
|
|
## analyze_csv.py — App CSV → Python pipeline 비교
|
|
|
|
App 이 측정 시 저장하는 CSV (`Downloads/VesiScan_ADC/*.csv`) 를 읽어,
|
|
appshare 의 Python pipeline (`for_app_share`) 으로 BV 를 재계산하고
|
|
다음을 비교한다:
|
|
|
|
- App-computed BV vs Python BV (per-scan, aggregate)
|
|
- Method D wall detection rate
|
|
- lr_ratio 분포
|
|
- DPS / lr floor 등 알고리즘 변경 사항의 ablation
|
|
|
|
### Setup
|
|
|
|
```bash
|
|
# 의존성
|
|
pip install numpy pandas matplotlib
|
|
|
|
# appshare repo 경로 (둘 중 하나)
|
|
export APPSHARE_DIR=/path/to/appshare/piezo-phantom-test
|
|
# 또는 명시: --appshare /path/...
|
|
```
|
|
|
|
### Usage
|
|
|
|
```bash
|
|
# 기본 비교 (phantom 150 mL)
|
|
python tools/analyze_csv.py ~/Desktop/measure.csv --true 150
|
|
|
|
# Ablation — 5가지 알고리즘 config 비교 (어느 fix 가 임팩트 큰지)
|
|
python tools/analyze_csv.py measure.csv --true 150 --ablation
|
|
|
|
# 시각화 plot 저장
|
|
python tools/analyze_csv.py measure.csv --true 195 --plot ./out
|
|
|
|
# 특정 cycle 디테일 (per-channel walls + signals)
|
|
python tools/analyze_csv.py measure.csv --true 150 --cycle 42
|
|
```
|
|
|
|
### 출력 예시 (compare mode)
|
|
|
|
```
|
|
=== BV comparison ===
|
|
APP (Kotlin): mean= 148.1± 4.2 trim10%= 148.5 bias= -1.9 ( -1.3%) CV= 2.9% lr mean=1.154
|
|
Python : mean= 92.7±13.4 trim10%= 91.1 bias= -57.3 (-38.2%) CV=14.4% lr mean=0.680
|
|
|
|
=== App ↔ Python diff ===
|
|
mean= +55.03 std=15.83 range=[-45.3, +74.7]
|
|
|diff| < 5 mL: 5/551 (0.9%)
|
|
```
|
|
|
|
### Ablation Config 종류
|
|
|
|
| 코드 | DPS | lr_ratio | 설명 |
|
|
|---|---|---|---|
|
|
| A | 1.936 | =1.0 강제 | OLD Kotlin equivalent (sim) |
|
|
| B | 1.981 | =1.0 강제 | DPS fix 단독 |
|
|
| C | 1.981 | Python 알고리즘 | **현재 b733d4f 결과** |
|
|
| D | 1.981 | Python + floor 1.0 | hybrid |
|
|
| E | 1.936 | Python 알고리즘 | lr 단독 영향 |
|
|
|
|
### CSV 포맷 (AdcCsvLogger 기준)
|
|
|
|
```
|
|
scan_id, timestamp, ..., volume_ml, lr_ratio, ..., channel, s0..s99
|
|
```
|
|
한 scan = 6 rows (CH0..CH5), 100 samples / row.
|
|
|
|
### 활용 예
|
|
|
|
1. **임상 BV 검증**: catheter 직후 측정 → `--true <catheter_vol>` 로 정확도 비교
|
|
2. **알고리즘 변경 검증**: 새 fix 후 같은 CSV 로 `--ablation` 돌려 회귀 여부 확인
|
|
3. **Device-to-device variance**: 두 device 의 같은 phantom 측정 → CV 비교
|
|
4. **lr_ratio 패턴**: human cohort 의 `--plot` 으로 lr 분포 시각화
|