Cost-Sensitive Learning
비용 민감 학습
클래스별 오분류 비용을 다르게 반영해 학습 손실을 조정하는 기법으로, 클래스 불균형이나 특정 오분류의 임상적 위험을 줄이기 위해 사용된다. 본문에서는 클래스 가중치 최적화를 통해 Glioma와 Meningioma 간 경계 혼동을 줄이고 정상 조직에 대한 거짓 음성 발생을 억제하는 데 사용됐다. 이 접근은 민감도와 특이성 간의 트레이드오프를 명시적으로 제어할 수 있다는 점에서 의료 영상 분류에 적합하다.
