[发明专利]基于t-SNE的皮肤癌图像识别可视化系统

说明书

本发明公开一种基于t‑SNE的皮肤癌图像识别可视化模块，包括获取矩阵单元、线性化单元、t‑SNE计算单元以及作图单元，获取矩阵单元与线性化单元连接，线性化单元与t‑SNE计算单元连接，t‑SNE计算单元与作图单元连接，获取矩阵单元用于获取皮肤癌图像识别系统中最后一个卷积层进行卷积后所得并记载在矩阵数据表中的矩阵；线性化单元用于将获取的矩阵进行线性化，使这些矩阵每一行跟在上一行后面，直至这些矩阵都变成向量；t‑SNE计算单元用于通过t‑SNE计算得到一系列的低维数据；作图单元用于根据低维数据绘制成点或二维图像，观察输入图像在绘制点的位置或在二维图像中的情况，实现对皮肤癌图像识别系统中的多维向量进行降维使之可视化，达到便于直观理解的效果。

技术领域

本发明涉及医疗技术领域，特别是指一种基于t-SNE的皮肤癌图像识别可视化系统。

背景技术

在基于深度学习的皮肤癌图像识别系统中，输入的原始图像被转化为矩阵，在隐藏层中经过多次卷积，进行特征的提取。在隐藏层中，图像的处理都是借助矩阵乘法的，每次卷积实际上都在进行矩阵乘法，而经过多次卷积处理之后得到的矩阵实际上是系统对该图像的内部表示。将卷积处理后的矩阵线性化，可得到一个多维向量，而这一多维向量是存在于多维空间中的，人们无法直观感知这一多维向量在空间的定位，故需要一种降维方法将这一向量降低到二维空间，以便于人们对于系统内部这种多维向量表示方法获得直观理解。

因此，有必要设计一种新的基于t-SNE的皮肤癌图像识别可视化系统，以解决上述技术问题。

发明内容

针对背景技术中存在的问题，本发明的目的是提供一种基于t-SNE的皮肤癌图像识别可视化系统，对皮肤癌图像识别系统中的多维向量进行降维从而使之可视化，以便于直观理解。

本发明的技术方案是这样实现的：一种基于t-SNE的皮肤癌图像识别可视化系统，包括获取矩阵单元、线性化单元、t-SNE计算单元以及作图单元，所述获取矩阵单元与线性化单元连接，所述线性化单元与t-SNE计算单元连接，所述t-SNE计算单元与作图单元连接，其中，所述获取矩阵单元：用于获取皮肤癌图像识别系统中最后一个卷积层进行卷积后所得并记载在矩阵数据表中的矩阵；所述线性化单元：用于将获取的矩阵进行线性化，使这些矩阵每一行跟在上一行后面，直至这些矩阵都变成向量；所述t-SNE计算单元：用于通过t-SNE计算得到一系列的低维数据；所述作图单元：用于根据低维数据绘制成点或二维图像，观察输入图像在绘制点的位置或在二维图像中的聚类情况，判断疾病类型。

在上述技术方案中，所述获取矩阵单元获取矩阵包括两种模式，第一种模式为：输入的图像为单张或数量少于预设阈值，从矩阵数据表中多调取一些矩阵，并需要连同矩阵数据标签一同调取，直到矩阵数量达到能够进行可视化降维为止；第二种模式为：输入的图像为一批图像，图像数量达到预设阈值，则从矩阵数据表中调取该批图像的矩阵。

在上述技术方案中，所述线性化单元在线性化处理中，第一种模式需要分别线性化，生成待降维向量集与参考向量集；第二种模式直接将这些矩阵进行线性化生成一个向量集。

在上述技术方案中，所述作图单元在作图时，第一种模式将低维数据绘制成点，根据携带的数据标签点设置为不同颜色，而新加入的点则用单独一种颜色，以显示一张或少数几张图像在参考点中的位置，为用户提供该种疾病诊断的依据；第二种模式将低维数据绘制成二维图像，根据从皮肤癌图像识别系统中的全连接层获得的分类结果设置为不同颜色，用户借此观察输入的图像集的聚类情况。