← 返回 PaperDaily
视觉与图像
告别t-SNE老套路：TabSOM用SOM一鱼两吃，布局解释全搞定
表格数据是工业界和医学界的主力军，却一直被深度学习冷落。这篇论文用自组织映射把表格编码成多通道图像，不仅让CNN在四个医学数据集上排名第一第二，还把方差压到全场最低，顺带给出两个可解释性工具。思路清爽，值得一读。
龙哥读论文
发布于 2026-08-17 00:20:10
阅读 4
查看原文
原论文信息如下：
表格数据也能用CNN？TabSOM让表格"画"成图像 在人工智能的世界里，有一对奇妙的“偏科生”。图像、语音这些数据，天生自带“空间结构”——像素挨在一起，它们之间往往有某种语义联系，所以卷积神经网络（CNN）和视觉Transformer这类深度学习模型一上场就大杀四方。而表格数据呢？每一行是一个样本，每一列是一个特征，特征之间看起来“貌合神离”，缺乏天然的空间关系。结果就是，深度学习模型在表格任务上常常被传统机器学习方法按在地上摩擦。
那么问题来了：有没有可能强行给表格数据“整容”，把它变成图像，然后让CNN来捡现成的便宜？这个思路已经在业界摸索了好几年，催生出一批所谓的tabular-to-image方法：DeepInsight、TINTO、REFINED等等。它们的基本操作是拿t-SNE、UMAP、PCA这类降维工具把特征投影到二维平面，让相似的特征在图像上靠得近一点，然后把每个样本的特征值填到对应的像素位置上。思路是通的，但毛病也明显：这些方法只把每个特征“单独”的值画了上去，特征跟特征之间那些微妙的关系——比如“血糖高的人往往胰岛素也偏高”——在图像里完全没有体现，白白浪费了CNN强大的模式识别能力。
本篇论文提出的TabSOM，就是冲着这个痛点来的。它用的是自组织映射（Self-Organizing Map，简称SOM）——一种老牌的、带拓扑保持性质的无监督神经网络。SOM能把高维空间里的样本映射到一个二维网格上，并且保持相似样本在网格上也相邻。TabSOM的做法是：先在表格数据上训练一个SOM，然后从SOM的“组件平面”（component plane）里提取每一个特征应该放在图像上的什么位置，再把特征之间的关系也画成一条条“连线”，最终渲染出一张多通道的“表格图像”。这套设计不仅让CNN在分类精度上拿到了医学数据集的头名，还顺带给出了两个基于SOM的可解释性工具。
上面这张图值得多看两眼。左边三列分别是R、G、B三个通道：前两个通道用不同粗细的高斯核把特征值“糊”在画布上，第三个通道则把特征之间的交互关系画成连线。可以看到，不同类别的样本在图像上呈现出不同的视觉纹理——这就是CNN喜欢的东西。
从SOM到图像：特征位置与关系如何确定 SOM这件事，得先从它的名字说起。自组织映射，Self-Organizing Map，是一种基于无监督竞争学习的神经网络。它的核心能力是拓扑保持——把高维空间里的样本“摊”到一个二维网格上，让相似的样本在网格上挨得近，不相似的样本离得远。这个网格上每一个节点都有一个“原型向量”，可以理解为这个节点所代表的一类样本的“平均长相”。训练完之后，拿着新样本跟所有节点的原型向量比距离，最近的那个节点就是它的最佳匹配单元（Best Matching Unit，BMU）。
BMU的寻找公式长这样：
这个公式的意思是：在当前所有网格节点中，找到原型向量与样本x欧氏距离最小的那个节点，作为该样本的BMU。每一次迭代，SOM会把BMU附近的节点都往样本的方向拉一点，共同“学习”这个样本的特点。
TabSOM的第一个关键操作，是提取“组件平面”。什么是组件平面？把SOM网格上所有节点的原型向量按特征拆开：第j个特征在所有节点上的取值，就构成了一个H×W的“热力图”，这就是特征j的组件平面Φ_j。因为SOM的拓扑保持性质，组件平面不会是一堆随机噪声，而是呈现出平滑的空间变化——某个特征可能在网格的左上角特别“亮”，在右下角特别“暗”。这种平滑性，意味着一个特征在网格上是有一个“活动中心”的。
接下来，TabSOM要把每个特征“安置”到图像画布上的一个固定位置。它从组件平面里提取锚点（anchor），有两种方法：质心锚点和模式锚点。质心锚点相当于组件平面的“重心”，把每个像素位置按组件平面强度加权平均，公式如下：
其中g(r,c)是网格坐标，Φ̃_j是归一化后的组件平面强度，γ是锐化指数（默认取2）。这个公式直观理解就是：组件平面越“亮”的地方，对锚点位置的贡献越大；γ越大，锚点越往峰值处靠拢。模式锚点则更直接——直接取组件平面最大值的位置，如果担心像素级精度不够，还可以用抛物线插值做亚像素精化。一般来说，特征数较少、组件平面比较弥散时用质心锚点；特征数多、大家都在抢地盘时用模式锚点更合适。
不过锚点算完之后还有一个问题：两个特征可能算出同一个位置，直接撞车。这时候就需要一个“无碰撞分配”的步骤。TabSOM把问题形式化为一个线性指派问题——每个特征分配到一个网格单元，代价是特征离锚点的位移距离，再减去特征组件平面在该单元处强度带来的收益：
用匈牙利算法求解，保证每个特征都占到一个独立的网格单元，绝对不重叠。这一步相当于给每个特征落实了“房产证”。
位置搞定之后，还要把特征之间的关系画出来。怎么算关系？把两个特征的组件平面分别拉成向量，算它们的皮尔逊相关系数或余弦相似度：
然后设定一个阈值τ（默认0.5到0.6），相关系数超过阈值的特征对之间就形成一条边。因为SOM的拓扑结构让相似特征天然“住得近”，有边的特征在画布上也几乎总是相邻的——关系图和空间布局是自洽的。
最后一步是渲染。特征的位置和关系图都确定好了，剩下的就是把每一个样本的特征值“画”到图像上。TabSOM用了多尺度渲染：一个“锐利”通道（高斯带宽小）精确刻画每个特征值，一个“平滑”通道（高斯带宽大）提供区域性的整体纹理，还有一个“边缘”通道把特征关系画成连线。节点通道的公式为：
其中x_j是特征j的取值，p_j是特征j在画布上的位置，(u,v)遍历所有像素中心。锐利通道让CNN能精确定位每个特征的位置，平滑通道则提供了卷积核感受野范围内的上下文信息——有点像给CNN同时递上了“地图”和“俯瞰图”。
边缘通道更妙。它不只是简单地把特征对之间的线段画出来，而是给每条边乘上了“交互强度”——两个端点特征在当前样本里都激活（正值）时，连线才亮起来：
这样就产生了一个3通道的图像：R通道锐利节点特征，G通道平滑节点特征，B通道关系交互特征。CNN拿到这张图，既能看单特征的“点”，又能看特征之间的“线”，信息量大增。
不只是编码：SOM带来的可解释性新工具 表格转图像方法一直被吐槽的一点是：你把数据变成图像喂给CNN，模型确实work了，但它为什么work？哪个特征起作用？没人说得清。TabSOM的可贵之处在于，它把可解释性当成了一等公民，从SOM的结构里直接“长”出了两个解释工具。
第一个工具叫SOM类别分离重要性（class-separation importance）。思路是这样的：既然每个训练样本都能找到它的BMU，那么分别统计正类和负类样本在SOM网格上的分布密度——正类聚集在哪些节点，负类聚集在哪些节点，就能画出两张“类别激活图”。然后看某个特征的组件平面与这两张激活图的匹配程度：
直观理解就是：如果特征j在正类样本集中的区域取值普遍偏高，在负类样本集中的区域取值普遍偏低，那它自然就是一个对区分类别有大贡献的特征。这个分数完全不依赖下游分类模型，纯粹从SOM和训练标签里算出来，有一种“上帝视角”的干净感。
第二个工具叫基于原型的部分依赖图（prototype-based partial dependence plot，简称prototype PDP）。经典的部分依赖图（Partial Dependence Plot，PDP）是把所有样本的某个特征都改成同一个值，然后看模型预测平均值怎么变化。问题是：它假设特征之间独立，而且对数据稀疏区域的预测并不可靠——因为模型可能在那里根本没有见过类似样本。TabSOM换了一个思路：每个SOM原型向量本身就是密度加权后“真实存在”的组合，把原型向量编码成图像、喂给CNN、得到预测概率：
然后再按特征值做分箱，画出“特征取值-预测概率”的曲线。每个节点用它的命中数（即有多少训练样本的BMU是它）来加权：
这样一来，数据稀疏的区域会在图上清楚显形——低命中数的点一看就很“虚”，不会误导读数。这比经典PDP要诚实得多。
实验结果：稳定领先，方差最低 衡量一种表格转图像方法好不好，不能只看一两个数据集上的表现。TabSOM在四个公开的二分类数据集上做了全面评测：Pima印第安人糖尿病（PID，768样本，8特征）、牛津帕金森病（PAR，195样本，22特征）、QSAR生物降解（QSA，1055样本，41特征）和威斯康星乳腺癌（WBC，569样本，30特征）。
实验设置方面，每个数据集按80%/20%划分训练集和测试集，并用5折分层交叉验证评估泛化性能；类别不平衡通过仅在训练集上做随机欠采样处理，避免数据泄漏；所有特征都做了min-max归一化。分类器用的是同一个轻量级CNN——三个卷积块（16-32-64通道），后面接批归一化、ReLU、全局平均池化和一个线性输出。关键点是：所有表格转图像方法共用同一个CNN架构和同样的优化器配置，保证对比公平。评价指标采用AUROC（曲线下面积），报告5个随机种子下的均值和标准差。
结果非常有意思。TabSOM在PID上拿到0.8236的AUROC，在WBC上拿到0.9911，都是第一名；在PAR（0.8852）和QSA（0.9098）上排名第三。整体平均AUROC为0.9024，排名第二，仅次于Combination方法的0.9114。特别值得注意的是方差：TabSOM在所有数据集上的标准差只有0.018到0.039，是全场最稳定的方法之一。相比之下，DeepInsight（t-SNE）在PAR上的标准差高达0.2593，Fotomics在WBC上甚至到了0.3296——这些方法在不同随机种子下的表现像过山车一样忽上忽下，压根不敢拿去落地。
另一个值得关注的规律是：在特征数最少的PID（8个特征）上，结构化方法（TabSOM、BarGraph、Combination、DistanceMatrix）对嵌入类方法的优势最大——TabSOM比TINTO（t-SNE）高出整整0.30的AUROC。这说明当特征数量不多时，如何组织特征的空间布局和关系，比单纯依赖降维嵌入的“自由摆放”要重要得多。而在特征数量较多且类别高度可分的WBC上，各种方法的差距缩小，大家都能做到0.95以上。
实验设计的合理之处在于：不同方法之间的比较尽可能控制了变量——同一个CNN骨架、同一种优化器、同样的特征归一化方式、同样的交叉验证流程。这让表3中的差异更多来自编码方式本身，而不是下游模型的参数差异。
局限与展望：TabSOM还能走多远 TabSOM当然不是完美的。论文目前只在四个二分类数据集上做了评测，样本量最大的也不过一千出头，这跟现代深度学习动辄百万级的数据规模相比，只能算“小范围验证”。多分类任务、回归任务、高维稀疏特征、混合类型数据（数值+类别）这些更贴近真实业务的场景，都还没有覆盖到。SOM的超参数（网格大小、学习率、邻域半径）对最终布局和结果的影响也还需要更系统的敏感性分析。
不过话说回来，这个工作最让人眼前一亮的其实是它的“组合哲学”：用SOM同时解决特征布局和特征关系这两个问题，把原本割裂的编码和解释统一起来。这种思路在表格转图像这个细分领域里是相当清奇的。未来如果能把TabSOM扩展到更大的数据集、更丰富的任务类型，再配合预训练视觉模型做迁移学习，想象空间不小。
另外，论文题目里的“based on self-organizing maps”其实有点谦虚——SOM在这里不只是布局工具，它还是可解释性的来源。这种“一鱼两吃”的设计，比那些只把降维当预处理、用完就丢的方法高到不知道哪里去了。
龙迷三问 这篇论文到底在解决什么问题？ TabSOM提出基于自组织映射的表格转图像编码方法，通过分量平面推导特征位置并编码特征关系，在四个医学数据集上对比12种方法排名第一或第二且方差最低，并提供两种可解释性工具。这篇工作最值得看的点是什么？ TabSOM在Pima上排名第一（0.8236），在WDBC上排名第一（0.9911），在PAR上排名第三（0.8852），在QSAR上排名第三（0.9098），整体平均AUCROC为0.9024，排名第二，且在所有数据集上展现出最低的方差。这篇工作的边界或风险在哪里？ 优点：(1) 利用SOM拓扑保持特性提供可解释的特征放置；(2) 引入关系边通道编码特征间交互信息；(3) 提供两种SOM驱动的可解释性工具；(4) 性能稳定，方差低。缺点：(1) 在PAR和QSAR上略逊于Combination方法；(2) 仅在4个数据集上验证，规模有限；(3) 未与最新深度表格学习方法（如FT-Transformer）对比；(4) 未报告计算开销细节。如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
提出基于自组织映射（SOM）的表格数据到图像编码方法TabSOM，利用SOM组件平面推导特征锚点位置，通过匈牙利算法实现无碰撞特征放置，并构建特征关系图作为额外图像通道，同时提供基于SOM的可解释性工具。实验合理度： ★★★★☆
Area Under the Receiver Operating Characteristic Curve (AUROC)，报告5个随机种子的均值和标准差学术研究价值： ★★★★☆
提出基于自组织映射（SOM）的表格数据到图像编码方法TabSOM，利用SOM组件平面推导特征锚点位置，通过匈牙利算法实现无碰撞特征放置，并构建特征关系图作为额外图像通道，同时提供基于SOM的可解释性工。稳定性： ★★★☆☆
现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。适应性以及泛化能力： ★★★☆☆
现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。硬件需求及成本： ★★★☆☆
未明确报告FLOPs，但SOM训练和匈牙利分配的计算成本与样本数无关，仅依赖于网格大小和特征数。复现难度： ★★★☆☆
现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。产品化成熟度： ★★★☆☆
论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。可能的问题： (1) 在PAR和QSAR上略逊于Combination方法；(2) 仅在4个数据集上验证，规模有限；(3) 未与最新深度表格学习方法（如FT-Transformer）对比；
主要参考文献
[1] Chushig-Muzo D, Rodr´ıguez de Cara M A, Milara E, et al. TabSOM: A tabular-to-image encoding method based on self-organizing maps[J]. arXiv preprint arXiv:2608.13513, 2026. [2] Sharma A, Vans E, Shigemizu D, et al. DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture[J]. Scientific Reports, 2019, 9(1): 11399. [3] Cueva E F, Perez A, Lozano J A, et al. TINTO: Converting Tidy Data into Images for Classification with 2-Dimensional Convolutional Neural Networks[J]. Information Sciences, 2022, 600: 317-331. [4] Bazgir O, Zhang R, Dhruba S R, et al. REFINED: Representation of Features as Images with NEighborhood Dependencies[J]. IEEE Transactions on Computational Biology and Bioinformatics, 2020. [5] Kohonen T. Self-Organizing Maps[M]. Springer, 2001. [6] Zhu Y, Brettin T, Evrard Y A, et al. IGTD: Image-based gene expression data transformation[J]. BMC Bioinformatics, 2019, 20(1): 464. *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
表格秒变图像，自组织映射显神通！想和龙哥一起深挖TabSOM的源码细节与医学应用前景吗？欢迎加入龙哥读论文粉丝群，
扫描下方二维码或者添加龙哥助手微信号加群 ：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥） ，根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
