HyperAIHyperAI
il y a 17 jours

Perte par entropie croisée pondérée par distance de classe pour l'estimation de la sévérité de la colite ulcéreuse

Gorkem Polat, Ilkay Ergenc, Haluk Tarik Kani, Yesim Ozen Alahdab, Ozlen Atug, Alptekin Temizel
Perte par entropie croisée pondérée par distance de classe pour l'estimation de la sévérité de la colite ulcéreuse
Résumé

Dans les systèmes de notation utilisés pour évaluer l’activité endoscopique de la colite ulcéreuse, tels que le score endoscopique de Mayo ou l’Index endoscopique de sévérité de la colite ulcéreuse, les niveaux augmentent avec la gravité de l’activité de la maladie. Ce classement relatif des scores rend ce problème adapté à une régression ordonnée. En revanche, la plupart des études utilisent la fonction de perte d’entropie croisée catégorielle pour entraîner les modèles d’apprentissage profond, ce qui n’est pas optimal pour les problèmes de régression ordonnée. Dans cette étude, nous proposons une nouvelle fonction de perte, l’entropie croisée pondérée par distance entre classes (CDW-CE), qui respecte l’ordre des classes et intègre la distance entre celles-ci dans le calcul du coût. Les évaluations expérimentales montrent que les modèles entraînés avec CDW-CE surpassent ceux entraînés avec l’entropie croisée catégorielle classique ainsi que d’autres fonctions de perte couramment utilisées pour les problèmes de régression ordonnée. En outre, les cartes d’activation des classes obtenues avec le modèle entraîné à l’aide de la perte CDW-CE sont plus discriminantes par rapport aux classes et jugées plus raisonnables par les experts du domaine.

Perte par entropie croisée pondérée par distance de classe pour l'estimation de la sévérité de la colite ulcéreuse | Articles de recherche récents | HyperAI