重访N-CNN在临床实践中的应用
摘要：对新生儿卷积神经网络（N-CNN）进行超参数优化，并评估其对分类指标、解释性和可靠性的影响，讨论其在临床实践中的潜在影响。我们选择了不修改原始N-CNN架构的超参数，主要修改学习率和训练正则化。通过评估每个超参数对F1分数的改进来进行优化，并选择最佳超参数创建了调整后的N-CNN。我们还应用了从新生儿面部编码系统得出的软标签，提出了一种新颖的方法来训练新生儿疼痛评估的面部表情分类模型。有趣的是，调整后的N-CNN的结果表明在分类指标和解释性方面有所改善，但这些改进并没有直接转化为校准性能。我们相信这些洞察力可能有助于开发更可靠的新生儿疼痛评估工具，帮助医疗专业人员提供适当的干预并改善患者预后。
作者：Leonardo Antunes Ferreira, Lucas Pereira Carlini, Gabriel de Almeida S''a Coutrin, Tatiany Marcondes Heideirich, Marina Carvalho de Moraes Barros, Ruth Guinsburg and Carlos Eduardo Thomaz
论文ID：2308.05877
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-14