【影像组学pyradiomics教程】(一)简介与安装

该系列是为了记录自己学习的过程

一、简介：

pyradiomics是一个开源的python软件包，可以从医学影像中提取出Radiomics影像组学特征

SimpleITK支持的所有图像类型可以用作PyRadiomics的输入。

输出为由参数映射的SimpleITK图像，而不是针对每个特征的float值。

二、Pyradiomics影像组学特征提取

在PyRadiomics中可以通过4种方式自定义特征提取： 非常重要

• 1）** imageType** ：指定用于提取特征的图像类型（原始图像或者基于变换的派生图像）
• 2）** featureClass ** ：指定要提取的特征类
• 3） **setting ** ：指定一个设置文件来控制预处理、图像变换的滤波器和特征类
• 4）** voxelSetting ** ：指定voxel-based基于体素的特定设置，只有在使用PyRadiomics 进行体素提取生成特征图时才需要

---

2.1、featureClass 主要提取的特征列表

图像类型进行影像组学特征提取的图像既可以是原始图像，也可以是经过滤波器处理的派生图像。默认情况下只使用原始图像

目前可用的特征类如下：

1）**firstorder **：First Order Statistics（19features）

• GetEnergyFeatureValue（）：能量，是图像中体素值大小的度量，值越大意味着这些值的平方和越大。
• GetTotalEnergyFeatureValue（）：总能量，是以体素的体积（以立方毫米为单位）为尺度的能量特征值。
• GetEntropyFeatureValue（）：熵，定义图像值的不确定性或者随机性，是对图像值进行编码所需平均信息量对度量。
• GetMinimunFeatureValue（）：最小特征值
• Get10PercentileFeatureValue（）：第10%的特征值。
• Get90PercentileFeatureValue（）：第90%的特征值
• GetMaximunFeatureValue（）：最大特征值
• GetMeanFeatureValue（）：平均特征值
• GetMedianFeatureValue（）：中位数特征值
• GetInterquartileRangeFeatureValue（）：四分位范围
• GetRangeFeatureValue（）：强度值范围（最大值-最小值）
• getMeanAbsoluteDeviationFeatureValue（）：平均绝对偏差
• getRobustMeanAbsoluteDeviationFeatureValue（）：鲁棒平均绝对偏差
• getRootMeanSquaredFeatureValue（）：均方根
• getStandardDeviationFeatureValue（）：标准偏差，衡量与平均值之间的差异或离散程度
• getSkewnessFeatureValue（）：偏度，偏度测量关于平均值的值分布的不对称性。根据尾巴在哪里加长和分布的质量集中在什么地方，该值可以为正或负。
• GetKurtosisFeatureValue（）：峰度，峰度是图像ROI中值分布的“峰值”度量。峰度越高，意味着分布的质量集中于尾部而不是均值。较低的峰度意味着相反的情况：分布的质量集中在接近均值的峰值处。
• GetVarianceFeatureValue（）：方差，是每个强度值与平均值之间的平方距离的平均值。这是对均值分布分布的度量
• getUniformityFeatureValue（）：均匀度，是每个强度值的平方和的量度。这是图像阵列均匀性的一种度量，其中更大的均匀性意味着更大的均匀性或较小的离散强度值范围。

2） shape2D：Shape-based（2D）（10fetures）

• getMeshSurfaceFeatureValue（）：网格表面积，由三角形网格定义，计算ROI的表面。
• getPixelSurfaceFeatureValue() ： 像素表面积
• getPerimeterFeatureValue（）：周长。
• getPerimeterSurfaceRatioFeatureValue（）：周长比，较低的值表示更紧凑的圆形。
• getSphericityFeatureValue（）：球形度，表示与肿瘤区域具有相同面积的圆形的周长与肿瘤的周长之比。
• getSphericalDisproportionFeatureValue（）：球形不均匀度，是球形度的倒数。
• getMaximumDiameterFeatureValue（）：最大2D直径。
• getMajorAxisLengthFeatureValue（）：主轴长度。
• getMinorAxisLengthFeatureValue（）：短轴长度。
• getElongationFeatureValue（）：伸长率。

3）shape：Shape-based（3D）（17features）

• getMeshVolumeFeatureValue（）：网格体积，由影像RIO的三角形网格计算得到。
• getVoxelVolumeFeatureValue() ： 体素体积，
• GetSurfaceAreaFeatureValue（）：表面积。
• getSurfaceVolumeRatioFeatureValue（）：表面积与体积之比，较低的值表示更紧凑的球形形状。
• getSphericityFeatureValue（）：球形度，是肿瘤区域相对于球形度圆度度度量。
• getCompactness1FeatureValue（）：紧凑度1，是衡量肿瘤形状相对于球形的紧密程度的度量。
• getCompactness2FeatureValue（）：紧凑度2，也是衡量肿瘤形状相对于球体的紧密程度的度量，公式不同。
• getSphericalDisproportionFeatureValue（）：球形不对称，是肿瘤区域的表面积与具有相同体积的球体表面积的比值，是球形度的倒数。
• getMaximum3DDiameterFeatureValue（）：最大3D直径，表示肿瘤表面网格顶点之间的最大欧几里得距离。
• getMaximum2DDiameterSliceFeatureValue（）：最大2D直径（切片），表示轴向平面中肿瘤表面网格顶点之间最大的欧几里得距离。
• getMaximum2DDiameterColumnFeatureValue（）：最大2D直径（列），表示冠状平面中肿瘤表面网格顶点之间最大的欧几里得距离。
• getMaximum2DDiameterRowFeatureValue（）：最大2D直径（行），表示失状平面中肿瘤表面网格顶点之间最大的欧几里得距离。
• getMajorAxisLengthFeatureValue（）：主轴长，表示包围ROI的椭球的最大轴长。
• getMinorAxisLengthFeatureValue（）：短轴长，表示包围ROI的椭球的第二轴长。
• getLeastAxisLengthFeatureValue（）：最小轴长，表示包围ROI的椭球的最小轴长。
• getElongationFeatureValue（）：伸长率，表示ROI形状中两个最大的主成分之间的关系。
• getFlatnessFeatureValue（）：平面度，是表示ROI形状中最大和最小主成分之间的关系。

4）Glcm：Gray Level Cooccurence Matrix（24features）灰度共生矩阵

5）Glrlm：Gray Level Run Length Matrix（16features），灰度级运行长度矩阵

6）Glszm：Gray Level Size Zone Matrix（16features）

7）Gldm：Gray Level Dependence Matrix（14features）灰度依赖性矩阵

8）Ngtdm：Neighbouring Gray Tone Difference Matrix（5features）

三、安装

pip install pyradiomics