ROC曲线AUC计算

function [ROCoutHR1]=nonestoproc（varargin）
% ROC - Receiver Operating Characteristics.
% The ROC graphs are a useful tecnique for organizing classifiers and
% visualizing their performance. ROC graphs are commonly used in medical
% decision making.
% If you have downloaded partest
% http://www.mathworks.com/matlabcentral/fileexchange/12705
% the routine will compute several data on test performance.
%
% Syntax: ROCout=roc（xthresholdsalphaverbose）
%
% Input: x - This is a Nx2 data matrix. The first column is the column of the data value;
%            The second column is the column of the tag: unhealthy （1） and
%            healthy （0）.
%        Thresholds - If you want to use all unique values in x（:1） 
%            then set this variable to 0 or leave it empty; 
%            else set how many unique values you want to use （min=3）;
%        alpha - significance level （default 0.05）
%        verbose - if you want to see all reports and plots （0-no; 1-yes by
%        default）;
%
% Output: if verbose = 1
%         the ROCplots the sensitivity and specificity at thresholds; the Area
%         under the curve with Standard error and Confidence interval and
%         comment Cut-off point for best sensitivity and specificity. 
%         （Optional） the test performances at cut-off point.
%         if ROCout is declared you will have a struct:
%         ROCout.AUC=Area under the curve （AUC）;
%         ROCout.SE=Standard error of the area;
%         ROCout.ci=Confidence interval of the AUC
%         ROCout.co=Cut off point for best sensitivity and sensibility
%         ROCdata.xr and ROCdata.yr points for ROC plot
%
% USING roc WITHOUT ANY DATA IT WILL RUN A DEMO
%
%           Created by Giuseppe Cardillo
%           giuseppe.cardillo-edta@poste.it
%
% To cite this file this would be an appropriate format:
% Cardillo G. （2008） ROC curve: compute a Receiver Operating Characteristics curve.
% http://www.mathworks.com/matlabcentral/fileexchange/19950

%Input Error handling
args=cell（varargin）;
nu=numel（args）;
if isempty（nu）
    error（‘Warning: almost the data matrix is required‘）
elseif nu>5
    error（‘Warning: Max four input data are required‘）
end

default.values（1:nu） = args;
[x threshold alpha verbose tapy] = deal（default.values{:}）;
if isvector（x）
    error（‘Warning: X must be a matrix‘）
end
if ~all（isfinite（x（:））） || ~all（isnumeric（x（:）））
    error（‘Warning: all X values must be numeric and finite‘）
end
x（:2）=logical（x（:2））;
if all（x（:2）==0）
    error（‘Warning: there are only healthy subjects!‘）
end
if all（x（:2）==1）
    error（‘Warning: there are only unhealthy subjects!‘）
end
if nu>=2
    if isempty（threshold）
        threshold=0;
    else
        if ~isscalar（threshold） || ~isnumeric（threshold） || ~isfinite（threshold）
            error（‘Warning: it is required a numeric finite and scalar THRESHOLD value.‘）;
        end
        if threshold ~= 0 && threshold <3