如何用PyRadiomics轻松提取医学图像放射组学特征？完整指南

如何用PyRadiomics轻松提取医学图像放射组学特征？完整指南

【免费下载链接】pyradiomics 项目地址: https://gitcode.com/gh_mirrors/py/pyradiomics

PyRadiomics是一个强大的开源Python库，专为从医学图像中提取放射组学特征设计。它支持2D和3D特征提取，兼容多种图像格式，帮助研究人员和临床医生挖掘影像数据中的定量信息，为疾病诊断和预后评估提供数据支持。

📌 为什么选择PyRadiomics？

放射组学是医学影像分析的重要分支，通过提取海量定量特征，揭示疾病的潜在生物学特性。PyRadiomics作为该领域的领先工具，具有以下优势：

✅ 跨平台兼容性：支持Windows、Linux和macOS系统
✅ 多模态支持：兼容CT、MRI、PET等多种医学影像
✅ 灵活配置：通过YAML文件自定义特征提取参数
✅ 高效计算：内置C扩展加速纹理矩阵和形状特征计算

🚀 快速安装指南

1️⃣ pip一键安装（推荐新手）

python -m pip install pyradiomics

2️⃣ Conda环境安装

conda install -c radiomics pyradiomics

3️⃣ 从源码构建

git clone https://gitcode.com/gh_mirrors/py/pyradiomics
cd pyradiomics
python -m pip install -r requirements.txt
python setup.py install

4️⃣ Docker容器部署

对于命令行用户，推荐使用Docker镜像：

docker pull radiomics/pyradiomics:CLI
docker run radiomics/pyradiomics:CLI --help

图：Windows系统中Docker共享驱动器设置界面，确保容器可访问本地医学图像文件

📊 核心目录结构解析

pyradiomics/
├── docs/          # 官方文档和教程
├── examples/      # 示例脚本和测试数据
│   ├── exampleSettings/  # YAML配置文件模板
│   └── batchprocessing.py # 批量处理示例
├── radiomics/     # 核心代码库
│   ├── featureextractor.py # 特征提取主类
│   ├── firstorder.py       # 一阶统计特征
│   ├── glcm.py             # 灰度共生矩阵
│   └── shape.py            # 形状特征
└── tests/         # 单元测试和基线数据

关键模块路径：

• 特征提取器：radiomics/featureextractor.py
• 配置文件模板：examples/exampleSettings/Params.yaml

🔍 快速开始：提取你的第一个特征

基础Python脚本示例

import radiomics
from radiomics import featureextractor

# 获取测试数据
imageName, maskName = radiomics.getTestCase('brain1')

# 配置特征提取器
settings = {'binWidth': 25, 'resampledPixelSpacing': None}
extractor = featureextractor.RadiomicsFeatureExtractor(**settings)

# 启用一阶特征
extractor.disableAllFeatures()
extractor.enableFeaturesByName(firstorder=['Mean', 'Skewness'])

# 执行特征提取
features = extractor.execute(imageName, maskName)

# 输出结果
for featureName, value in features.items():
  print(f"✅ {featureName}: {value:.4f}")

使用配置文件自定义提取

创建YAML配置文件（如mySettings.yaml）：

setting:
  binWidth: 25
  label: 1
  resampledPixelSpacing: [1,1,1]  # 重采样为1x1x1mm体素

imageType:
  Original: {}
  Wavelet: {}  # 启用小波滤波

featureClass:
  firstorder: []  # 启用所有一阶特征
  glcm: ['Autocorrelation', 'Contrast']  # 选择GLCM特征

加载配置文件执行提取：

extractor = featureextractor.RadiomicsFeatureExtractor('mySettings.yaml')
features = extractor.execute(imageName, maskName)

⚙️ 高级配置与优化

多模态特征提取

PyRadiomics支持多种图像滤波器组合：

extractor.enableImageTypes(
  Original={},
  LoG={'sigma': [1.0, 2.0]},  # 拉普拉斯高斯滤波
  Wavelet={}  # 小波分解
)

批量处理示例

使用examples/batchprocessing.py脚本处理多个病例：

python examples/batchprocessing.py -i input.csv -o results.csv -p mySettings.yaml

📚 学习资源与社区支持

• 官方文档：docs/目录包含完整使用指南
• 示例代码：examples/目录提供10+实用脚本
• 常见问题：docs/faq.rst解答安装和运行问题

🎯 总结

PyRadiomics为医学影像分析提供了开箱即用的特征提取解决方案，无论是科研人员还是临床开发者，都能通过简单配置快速获取高质量的放射组学特征。立即安装体验，开启你的影像组学研究之旅吧！

💡 小贴士：定期查看CHANGES.rst获取最新功能更新和API变化。

【免费下载链接】pyradiomics 项目地址: https://gitcode.com/gh_mirrors/py/pyradiomics