BraTS 2019中新增添了一项为任务3: 分割中不确定性的量化。
目的是给每一个像素值的预测值的确定性给打分，哪些像素可以100%的确定是属于某种肿瘤区域，那些是很大概率的属于某种肿瘤。
当然，临床上最终的金标准的判断是病理的检测化验。
这项新任务的重点是在神经胶质瘤区域分割的背景下探索不确定性测量，其目标是奖励参与方法的结果预测:
(a) confident when correct
(b) uncertain when incorrect
不确定性地图：
参与者应该对整个数据集的不确定度值(0 - 100)进行规范化，使“0”表示最确定的预测，“100”表示最不确定的预测，最终得到针对某一类别打分的map图。
评价指标1 ： DICE
有N个阈值，每个阈值都会计算此阈值下的保留的值的dice值。举例，如果阈值为75，那么所有大于75的像素值都会被标记为不确定，并被剔除，不会参与到模型的评估，Dice指标的计算。
随着更多不确定性的像素点被滤除，指标Dice理应逐渐提升。
评价指标2 : TP过滤比
在某一个阈值下过滤掉的TP与原始阈值为100时TP的比例，阈值越小，过滤的越多，TP过滤比越大。一般认为TP过滤比越小越好。
