Ordinal Cross-Entropy (OCE)

新的序数交叉熵框架增强了用于医疗预测的深度学习能力

研究人员引入了一个名为序数交叉熵（OCE）的新框架，旨在提高深度神经网络在目标标签具有内在序数结构的医疗应用中的准确性。传统的交叉熵等损失函数没有考虑到错误分类的不同严重程度，而这可能对临床产生重大影响。OCE框架通过引入一个序数成本矩阵来反映这些不同的错误分类成本，从而扩展了标准的交叉熵，实现了更平滑的优化和更好的序数一致性。实验表明，在预测误差成本和校准方面，OCE的表现优于现有的最先进的序数方法。