受试者工作特征曲线，即Receiver operating characteristic （ROC） curve，简称ROC曲线，是一种广泛使用的统计工具，能够对包含并只包含两种类型的分类结果进行定量的分类精度评价。使用ROC分析方法，不同分类结果的精度也可以进行统计学的比较，从而在统计意义上判断一种分类方式是否比另外的分类方法更加准确。

ROC分析在诊断医学中有着重要的应用价值，因为医学诊断结果往往是对“受检对象检查结果为阳性”这样的命题进行肯定或者否定的判断，其本质就是一个包含两种可能结果的分类问题。

虽然诸多商业统计软件都提供了ROC分析的功能，然而对于广大科研工作者，特别是从事临床工作的医生而言，如何正确地使用ROC的分析功能，如何正确地解释ROC的结果仍旧不是一件容易的事情。

芝加哥大学在ROC分析的方法研究方面做出过重要的贡献，并开发出了一套面向临床诊断精度分析的ROC软件系统。遗憾的是，由于缺乏基金的持续支持，芝加哥大学的ROC软件现在处于无人维护的状态。本网站继承了由Dr. Charles Metz主持开发的ROC软件系统，计划以渐进的方式逐步开放该软件系统的各个程序接口，并准备以可视化的技术对数据进行分析，对ROC分析的结果进行解释。同样由于缺乏基金的支持，本网站的更新速度将不会十分迅速，但是会对反馈回来的主要问题进行筛选后按照优先级别进行逐一解决。