医学影像组学数据特征值介绍

在和临床一线医生合作中，遇到的最大问题就是：

1.影像组学中的特征值是什么含义？

2.如何对应到临床信息，这个课题应该计算哪些特征值？

3.如何验证这些特征值是正确的？

最新的pyradiomics可以计算的特征值包括以下几类：

Radiomic Features

This section contains the definitions of the various features that can be extracted using PyRadiomics. They are subdivided into the following classes:

• FirstOrderStatistics (19 features)  --体素强度的一阶统计特征值，包括平均值，最大、小值等；
• Shape-based (3D) (16 features)---3D上的形状特征值，包括三维方向上的大小及形状特征数据；
• Shape-based (2D) (10 features)---2D上的形状特征值，包括ROI的二维大小及形状特征值；
• GrayLevelCooccurenceMatrix (24 features)---灰度共生矩阵特征值，是高阶纹理特征特征值
• GrayLevelRunLengthMatrix (16 features)---灰度游程长度矩阵，也是高阶的纹理特征
• GrayLevelSizeZoneMatrix (16 features)---灰度尺寸区域矩阵
• NeighbouringGrayToneDifferenceMatrix (5 features)---邻域灰度差矩阵
• GrayLevelDependenceMatrix (14 features)---灰度相关矩阵

后文继续介绍上述这8类共120项特征值的含义。