在診斷統計參數中，通常會計算以下各參數：true positive（TP）、false positive（FP）、false negative（FN）、true negative（TN），下列公式中何者代表準確性（accuracy）？

本題觀念：

本題考查醫學統計學與醫學影像診斷中用來評估「檢測工具表現」的基礎核心概念，也就是**混淆矩陣（Confusion Matrix）**的各項衍生指標。在放射診斷學或是醫學影像AI模型的評估中，我們常利用 True Positive (TP, 真陽性)、False Positive (FP, 偽陽性)、False Negative (FN, 偽陰性) 與 True Negative (TN, 真陰性) 這四個基本參數，來計算出敏感度、特異度、準確性等指標，藉此量化該診斷工具的可靠程度。

選項分析

• (A) (TP+FN) / (TP+FP+TN+FN)：不正確。公式的分子 (TP+FN) 代表的是「真實情況下真正患病的總人數」，分母則是「所有受測者的總人數」。這個公式計算出的是該受測群體中疾病的盛行率（Prevalence），而非準確性。
• (B) TP / (TP+FN)：不正確。這個公式計算的是敏感度（Sensitivity），又稱為真陽性率（True Positive Rate, TPR）。它代表在所有「真正患病」的人之中，被檢測工具正確判斷為有病的比例。
• (C) TN / (TN+FP)：不正確。這個公式計算的是特異度（Specificity），又稱為真陰性率（True Negative Ra

...（解析預覽）...