في أنظمة التقييم المستخدمة لقياس النشاط المنظاري لل궤ع التقرّحي، مثل درجة ميوه المنظارية أو مؤشر الشدة المنظارية لل궤ع التقرّحي، تزداد القيم مع تفاقم شدة النشاط المرضي. يؤدي هذا الترتيب النسبي بين الدرجات إلى تصنيف المشكلة كمهمة انحدار ترتيبية (Ordinal Regression). من ناحية أخرى، تستخدم معظم الدراسات دالة خسارة التقسيم الفئوي (Categorical Cross-Entropy) لتدريب النماذج العميقة، وهي ليست مثالية لمشاكل الانحدار الترتيبية. في هذه الدراسة، نقترح دالة خسارة جديدة تُسمى "الخسارة التقسيمية الموزونة حسب المسافة الفئوية" (CDW-CE)، والتي تراعي الترتيب بين الفئات وتحسب المسافة بين الفئات عند حساب التكلفة. أظهرت التقييمات التجريبية أن النماذج المدربة باستخدام CDW-CE تتفوق على النماذج المدربة باستخدام دالة الخسارة التقليدية التقسيمية الفئوية وأيضاً على دوال الخسارة الأخرى الشائعة التي صُممت خصيصًا لمشاكل الانحدار الترتيبية. علاوةً على ذلك، أظهرت خرائط التفعيل الفئوي (Class Activation Maps) للنماذج المدربة باستخدام دالة الخسارة CDW-CE تمييزًا فئويًا أكثر وضوحًا، ووجد الخبراء في المجال أنها أكثر منطقية وملاءمة.