Resumen de Mejora de la clasificación ordinal de los diferentes estadios de retinopatías diabéticas

Víctor Manuel Vargas Rojas, Pedro Antonio Gutiérrez Peña, César Hervás Martínez

• español

  En este trabajo, se propone un modelo de red neuronal profunda para clasificaciónordinal basado en el uso de una función de salida probabilística ordinal. Este tipode modelo es comúnmente conocido como Modelo de Probabilidades Proporcionales(POM, por su acrónimo en inglés) y consiste en un modelo estadístico linealque proyecta los datos de entrada en un espacio 1-dimensional. En este caso, laproyección 1-D se obtiene a partir de una red neuronal profunda no lineal. Después,cada patrón se clasifica usando una serie de umbrales ordenados que dividenel espacio de salida. Con el objetivo de mejorar aún más la clasificación enproblemas ordinales, el POM se combina con una función de pérdida basada enel índice Kappa, que tiene en cuenta la distancia entre la clase real y la predicha.El método propuesto se compara utilizando un problema ordinal asociado a ladetección de retinopatías diabéticas y los resultados experimentales demuestranque el método propuesto obtiene mejores resultados que la alternativa nominal.

• English

  In this work, a deep neural network model for ordinal classification problems basedon the use of a probabilistic ordinal model in the output layer is proposed. Thismodel is commonly known as Proportional Odds Model (POM) and is a statisticallinear models which projects the input data into a 1-dimensional space. In ourcase, the 1-D projection is obtained a non-linear deep neural network. After that,each sample is classified using a set of ordered thresholds that split the outputspace. With the end of further improving the results, the POM is combined with aloss function which is based on the Kappa index and takes the distance betweenclasses into account. The proposed method is applied to an ordinal problem relatedto diabetic retinopathies detection, and the results confirmed that the proposedapproach outperforms the nominal alternative.