文章目录
传统步骤分析组学
影像组学世界
分享八个各有优势的 DICOM 图像阅读和科研处理软件
多种影像成像模式,如DR、CT、MRI 和超声检查
放射组学常用到的一些工具(软件)_特征提取工具texrad-优快云博客
10款影像组学开源软件汇总对比 - 影像组学科研世界 | 国内第一个影像组学论坛 (radiomicsworld.com)
工具选择
3D-slicer 可以实现基于边缘检测的半自动分割方法,其可以配置radiomics 插件提取影像组学特征;
radiomics是PyRadiomics 的插件,PyRadiomics 软件是一种开源的基于Python语言包的工具,是由哈佛大学开发的Radiomics 平台(http: / /www.radiomics.io)中提供的影像组学特征提取工具,其常用于三维图像的影像组学的特征提取,包括三维图像的纹理特征,以及LoG 滤波和小波变换的特征。
如果要实现自动化提取,可以用Python语言调用PyRadiomics三方包实现;
但是本任务需要自己勾画感兴趣区域,所以先从勾画区域开始
3D-slicer
Nvidia AIAA 自动勾画工具用不了,哭泣
使用3D-slicer软件自动勾画肝脏轮廓、分割肿瘤
学习手动勾画
新手3dslicer手动肝脏切割及体积测量(详细图文)
【影像组学】用3Dslicer或Python提取影像组学特征_3d-slicer提取影像组学特征-优快云博客
pyradiomics特征
提取出特征自己保存在表格中
使用pyradiomics库对dcm图像进行特征提取_pyradiomics特征提取-优快云博客
firstorder、glcm、gldm、glrim、glszm、ngtdm、shape3D、shape2D
官方解释
Radiomic Features — pyradiomics v3.1.0rc2.post5+g6a761c4 documentation
下面是特征的简要解释
firstorder 一阶统计特征
特征类型 | |
---|---|
10Percentile | 特征值的百分之10的值 |
90Percentile | 特征值得百分之90的值 |
Energy | 能量 |
Entropy | 熵 |
InterquartileRange | 四分位距离 |
Kurtosis | 峰度。是图像 ROI 中值分布的“峰值”的量度 |
Maximum | 最大特征值 |
Mean | 均值 |
MeanAbsoluteDeviation | (MAD)平均绝对误差 |
Median | 中位数 |
Minimum | 最小特征值 |
Range | 灰度值范围 |
RobustMeanAbsoluteDeviation | (rMAD) 鲁棒平均绝对偏差 |
RootMeanSquared | (RMS)均方根误差 |
Skewness | 偏度。测量值的分布关于平均值的不对称性 |
StandardDeviation | 标准差。测量平均值的变化或离散量,默认不启用,因为与方差相关 |
Total Energy | 总能量 |
Uniformity | 均匀度。是每个强度值的平方和 |
Variance | 方差。是每个强度值与平均值的平方距离的平均值 |
glcm灰度共生矩阵特征
Gray Level Co-occurrence Matrix (GLCM) Features灰度共生矩阵特征(共24个)
特征类型 | |
---|---|
Autocorrelation | 自相关。是纹理细度和粗糙度大小的量度 |
ClusterProminence | 集群显著性。衡量 GLCM 偏度和不对称性的指标 |
ClusterShade | 集群阴影。衡量 GLCM 偏度和均匀度的指标 |
ClusterTendency | 集群趋势 |
Contrast | 对比度 |
Correlation | 相关性 |
DifferenceAverage | 平均差 |
DifferenceEntropy | 差分熵 |
DifferenceVariance | 差异方差。是异质性的一种度量 |
Dissimilarity | 差异性。已弃用 |
Id | 逆差 |
Idm | 逆差矩 |
Idmn | 逆差分矩归一化 |
Idn | 逆差分归一化 |
Imc1 | 相关性信息度量 (IMC) 1 |
Imc2 | 相关性信息度量 (IMC) 2 |
InverseVariance | 逆方差 |
JointAverage | 联合平均 |
JointEnergy | 联合能量 |
JointEntropy | 联合熵。是邻域强度值的随机性/可变性的度量 |
MaximumProbability | 最大概率 |
MCC | 最大相关系数 |
SumAverage | 求和平均 |
SumEntropy | 总熵 |
SumSquares | 平方和 |
gldn灰度依赖矩阵
Gray Level Dependence Matrix (GLDM) Features 灰度依赖矩阵 (GLDM) 特征(共14个)
特征类型 | |
---|---|
DependenceEntropy | 依赖熵 |
Dependenc |