一种病理卷积神经网络的可视化方法及系统技术方案

本发明专利技术提供了一种病理卷积神经网络的可视化方法及系统，将多类瘤变病理图像通过前向传播送入CNN卷积神经网络模型的目标卷积层，记录并提取特征图的输出信息，获取多通道矩阵特征图；将多通道矩阵特征图的每个通道激活值线性缩放可视化为彩色图像，选择通道或将多个通道组合，通过程序穿透可视化卷积神经网络内部过程，创建病理卷积神经网络程序穿透可视化模型；输入待预测腺体病理图像数据集到病理卷积神经网络程序穿透可视化模型，自动输出目标卷积层特征图；利用多类瘤变智能识别模型，对目标卷积层特征图进行目标卷积层逐层识别，通过程序穿透发掘多类瘤变智能识别模型内部过程，智能化预测腺体病理图像瘤变趋势。

【技术实现步骤摘要】

本专利技术涉及图像特征提取可视化预测，更具体地说，本专利技术涉及一种病理卷积神经网络的可视化方法及系统。

技术介绍

1、目前，在医学影像的研究中，深度学习模型的可解释性一直是前沿研究的热点；现有的医学影像研究采用语义分割semantic segmentation模型，其预测结果是对图像每个位置属于某种疾病的识别概率，可以作为模型的黑盒black-box式解读；但是，随着研究的深入，越来越深入和大量的数据处理过程需要模型打开可视化，用一种白盒white-box的方法来理解深度学习模型；通过对模型内部过程的解读，人们需要了解机器对疾病图像的识别过程，而且能够从机器分析问题的方式中获得新的解决方案；目前，虽然现有模型可视化的工具，过程复杂可视化程度不高，具体问题还包括：如何解决现状问题、如何批量输出特征图feature map、以展现模型对原始图像处理的过程及如何挖掘模型内部的知识等问题尚待解决；因此，有必要提出一种病理卷积神经网络的可视化方法及系统，以至少部分地解决现有技术中存在的问题。

技术实现思路p>

1、在专利本文档来自技高网...

【技术保护点】

1.一种病理卷积神经网络的可视化方法，其特征在于，包括：

2.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，S100包括：

3.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，S200包括：

4.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，S300包括：

5.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，S400包括：

6.一种病理卷积神经网络的可视化系统，其特征在于，包括：

7.根据权利要求6所述的一种病理卷积神经网络的可视化系统，其特...

【技术特征摘要】

1.一种病理卷积神经网络的可视化方法，其特征在于，包括：

2.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，s100包括：

3.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，s200包括：

4.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，s300包括：

5.根据权利要求1所述的一种病理卷积神经网络的可视化方法，其特征在于，s400包括：

6.一种病理卷积神经网络的可视化...

【专利技术属性】
技术研发人员：王书浩，
申请(专利权)人：北京透彻未来科技有限公司，
类型：发明
国别省市：