醫(yī)學影像組學特征值(Radiomics Features)提取之pyradiomics(一)理論篇

pyradiomics是一個開源的python軟件包，可以從醫(yī)學影像中提取出Radiomics影像組學特征，其支持2D和3D中的特征提取，在2.0版開始，pyradiomics還實現(xiàn)了基于voxel-based體素的提取，但提取需要時間較長，輸出為由參數(shù)映射的SimpleITK圖像，而不是針對每個特征的float值。
SimpleITK支持的所有圖像類型可以用作PyRadiomics的輸入。

一、安裝方法1．Install via pip通過pip安裝
確保Python已經(jīng)安裝的環(huán)境下，安裝PyRadiomics：
python -m pip install pyradiomics2．Install via conda通過conda安裝
要在Conda環(huán)境下上安裝PyRadiomics：
conda install -c radiomics pyradiomics3．Install from source源代碼安裝
Pyradiomics支持從源代碼安裝，但由于附帶了計算紋理矩陣和某些形狀特征的C擴展，因此需要額外設置編譯器，比較復雜，感興趣可以去官網(wǎng)(https://pyradiomics.readthedocs.io/en/latest/installation.html#install-from-source)。4．Use 3D Slicer Radiomics extension使用3D Slicer Radiomics擴展
3D Slicer是用于醫(yī)學影像計算的免費開源平臺(http : //slicer.org)，可以使用3D Slicer ExtensionManager來安裝Radiomics擴展程序，該擴展程序提供了一個針對pyradiomics庫的圖形用戶界面。使用3D Slicer中的pydiadomics的優(yōu)勢在于，您可以查看圖像和分割，參考鏈接https：//github.com/Radiomics/SlicerRadiomics。

5．Use pyradiomics Docker使用pyadiomics Docker
pyadiomics Docker支持從命令行使用pyradiomics，感興趣可以去官網(wǎng)(https://pyradiomics.readthedocs.io/en/latest/installation.html#use-pyradiomics-docker)。

二、Pyradiomics影像組學特征提取
在PyRadiomics中可以通過4種方式自定義特征提取：
1)指定用于提取特征的圖像類型(原始圖像或者基于變換的派生圖像)
2)指定要提取的特征類
3)指定一個設置文件來控制預處理、圖像變換的濾波器和特征類
4)指定voxel-based基于體素的特定設置，只有在使用PyRadiomics 進行體素提取生成特征圖時才需要1、圖像類型
進行影像組學特征提取的圖像既可以是原始圖像，也可以是經(jīng)過濾波器處理的派生圖像。默認情況下只使用原始圖像，允許的圖像類型存儲在特征提取類實例_enabledImageTypes字典中，并且可以通過enableAllImageTypes()， disableAllImageTypes()， enableImageTypeByName()和 enableImageTypes()函數(shù)進行修改。
目前可用的圖像類型如下：
原始圖像：
1)Original：原始圖像
派生圖像：
2)Wavelet：小波濾波
3)LoG：高斯濾波器的拉普拉斯算子，是一種邊緣增強濾波器，強調(diào)的是灰度變化的區(qū)域，sigma參數(shù)定義要強調(diào)的紋理粗糙度，該值較低則強調(diào)較細的紋理，該值較高則強調(diào)較粗糙的紋理。
4)Square：平方，即獲取圖像強度值的平方
5)SquareRoot：平方根，即獲取圖像強度值的平方根
6)Logarithm：對數(shù)，獲取圖像絕對強度+1的對數(shù)
7)Exponential：指數(shù)，獲取圖像強度值的指數(shù)
8)Gradient：梯度，獲取圖像局部梯度的大小
9)LocalBinaryPattern2D：本地二進制模型(2D)
10)LocalBinaryPattern3D：本地二進制模型(3D)2、允許的特征類
從每個圖像類型中進行特征提取的特征類型，允許的特征類被存儲在特征提取類實例_enabledFeatures字典中，并且可以通過enableAllFeatures()， disableAllFeatures()， enableFeatureClassByName()和 enableFeaturesByName()函數(shù)進行修改。字典中的每個鍵值對代表一個啟用的特征類，其中特征類名稱為鍵，而啟用的特征名稱列表為值。如果值為None或空列表，則啟用該特征類中的所有特征。否則，僅指定某些特征則啟用該特征，默認情況下所有的特征類和特征都被啟動。
目前可用的特征類如下：
1)First Order Statistics(19features)一階統(tǒng)計量
通過常用的和基本的度量來描述由mask定義的圖像區(qū)域內(nèi)的體素強度分布。
GetEnergyFeatureValue()：能量，是圖像中體素值大小的度量，值越大意味著這些值的平方和越大。

GetTotalEnergyFeatureValue()：總能量，是以體素的體積(以立方毫米為單位)為尺度的能量特征值。

GetEntropyFeatureValue()：熵，定義圖像值的不確定性或者隨機性，是對圖像值進行編碼所需平均信息量對度量。

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()：中位數(shù)特征值
GetInterquartileRangeFeatureValue()：四分位范圍
GetRangeFeatureValue()：強度值范圍(最大值-最小值)
getMeanAbsoluteDeviationFeatureValue()：平均絕對偏差

getRobustMeanAbsoluteDeviationFeatureValue()：魯棒平均絕對偏差

getRootMeanSquaredFeatureValue()：均方根

getStandardDeviationFeatureValue()：標準偏差，衡量與平均值之間的差異或離散程度

getSkewnessFeatureValue()：偏度，偏度測量關于平均值的值分布的不對稱性。根據(jù)尾巴在哪里加長和分布的質(zhì)量集中在什么地方，該值可以為正或負。

GetKurtosisFeatureValue()：峰度，峰度是圖像ROI中值分布的“峰值”度量。峰度越高，意味著分布的質(zhì)量集中于尾部而不是均值。較低的峰度意味著相反的情況：分布的質(zhì)量集中在接近均值的峰值處。

GetVarianceFeatureValue()：方差，是每個強度值與平均值之間的平方距離的平均值。這是對均值分布分布的度量

getUniformityFeatureValue()：均勻度，是每個強度值的平方和的量度。這是圖像陣列均勻性的一種度量，其中更大的均勻性意味著更大的均勻性或較小的離散強度值范圍。

2)Shape-based(3D)(16fetures)基于3D形狀
getMeshSurfaceFeatureValue()：網(wǎng)格表面，由三角形網(wǎng)格定義，計算ROI的表面。
getPixelSurfaceFeatureValue()：像素表面，由像素數(shù)量乘以每個像素的面積得到。
getPerimeterFeatureValue()：周長。
getPerimeterSurfaceRatioFeatureValue()：周長比，較低的值表示更緊湊的圓形。
getSphericityFeatureValue()：球形度，表示與腫瘤區(qū)域具有相同面積的圓形的周長與腫瘤的周長之比。
getSphericalDisproportionFeatureValue()：球形不均勻度，是球形度的倒數(shù)。
getMaximumDiameterFeatureValue()：最大2D直徑。
getMajorAxisLengthFeatureValue()：主軸長度。
getMinorAxisLengthFeatureValue()：短軸長度。
getElongationFeatureValue()：伸長率。

3)Shape-based(2D)(10features)基于2D形狀
getMeshVolumeFeatureValue()：網(wǎng)格體積，由影像RIO的三角形網(wǎng)格計算得到。
getVoxelVolumeFeatureValue()：體素體積，由體素的個數(shù)乘以一個體素的體積得到。
GetSurfaceAreaFeatureValue()：表面積。
getSurfaceVolumeRatioFeatureValue()：表面積與體積之比，較低的值表示更緊湊的球形形狀。
getSphericityFeatureValue()：球形度，是腫瘤區(qū)域相對于球形度圓度度度量。
getCompactness1FeatureValue()：緊湊度1，是衡量腫瘤形狀相對于球形的緊密程度的度量。
getCompactness2FeatureValue()：緊湊度2，也是衡量腫瘤形狀相對于球體的緊密程度的度量，公式不同。
getSphericalDisproportionFeatureValue()：球形不對稱，是腫瘤區(qū)域的表面積與具有相同體積的球體表面積的比值，是球形度的倒數(shù)。
getMaximum3DDiameterFeatureValue()：最大3D直徑，表示腫瘤表面網(wǎng)格頂點之間的最大歐幾里得距離。
getMaximum2DDiameterSliceFeatureValue()：最大2D直徑(切片)，表示軸向平面中腫瘤表面網(wǎng)格頂點之間最大的歐幾里得距離。
getMaximum2DDiameterColumnFeatureValue()：最大2D直徑(列)，表示冠狀平面中腫瘤表面網(wǎng)格頂點之間最大的歐幾里得距離。
getMaximum2DDiameterRowFeatureValue()：最大2D直徑(行)，表示失狀平面中腫瘤表面網(wǎng)格頂點之間最大的歐幾里得距離。
getMajorAxisLengthFeatureValue()：主軸長，表示包圍ROI的橢球的最大軸長。
getMinorAxisLengthFeatureValue()：短軸長，表示包圍ROI的橢球的第二軸長。
getLeastAxisLengthFeatureValue()：最小軸長，表示包圍ROI的橢球的最小軸長。
getElongationFeatureValue()：伸長率，表示ROI形狀中兩個最大的主成分之間的關系。
getFlatnessFeatureValue()：平面度，是表示ROI形狀中最大和最小主成分之間的關系。

4)Glcm：Gray Level Cooccurence Matrix(24features)灰度共生矩陣
定義了一些關于相關性、能量、對比、逆差、方差、概率、熵、平方和等信息，具體不展開介紹了(主要是實在難以翻譯)，感興趣可以去官網(wǎng)看公式(https://pyradiomics.readthedocs.io/en/latest/features.html#radiomics.glcm.RadiomicsGLCM)。
GetAutocorrelationFeatureValue()：自相關，是紋理精細度和粗糙度的量度
getJointAverageFeatureValue()：
getClusterProminenceFeatureValue
getClusterShadeFeatureValue
getClusterTendencyFeatureValue
getContrastFeatureValue
getCorrelationFeatureValue
getDifferenceAverageFeatureValue
getDifferenceEntropyFeatureValue
getDifferenceVarianceFeatureValue
getDissimilarityFeatureValue
getJointEnergyFeatureValue
getJointEntropyFeatureValue
getHomogeneity1FeatureValue
getHomogeneity2FeatureValue
getImc1FeatureValue
getImc2FeatureValue
getIdmFeatureValue
getMCCFeatureValue
getIdmnFeatureValue
getIdFeatureValue
getIdnFeatureValue
getInverseVarianceFeatureValue
getMaximumProbabilityFeatureValue
getSumAverageFeatureValue
getSumVarianceFeatureValue
getSumEntropyFeatureValue
getSumSquaresFeatureValue

5)Glrlm：Gray Level Run Length Matrix(16features)，灰度級運行長度矩陣
getShortRunEmphasisFeatureValue
getLongRunEmphasisFeatureValue
getGrayLevelNonUniformityFeatureValue
getGrayLevelNonUniformityNormalizedFeatureValue
getRunLengthNonUniformityFeatureValue
getRunLengthNonUniformityNormalizedFeatureValue
getRunPercentageFeatureValue
getGrayLevelVarianceFeatureValue
getRunVarianceFeatureValue
getRunEntropyFeatureValue
getLowGrayLevelRunEmphasisFeatureValue
getHighGrayLevelRunEmphasisFeatureValue
getShortRunLowGrayLevelEmphasisFeatureValue
getShortRunHighGrayLevelEmphasisFeatureValue
getLongRunLowGrayLevelEmphasisFeatureValue
getLongRunHighGrayLevelEmphasisFeatureValue

6)Glszm：Gray Level Size Zone Matrix(16features)
getSmallAreaEmphasisFeatureValue
getLargeAreaEmphasisFeatureValue
getGrayLevelNonUniformityFeatureValue
getGrayLevelNonUniformityNormalizedFeatureValue
getSizeZoneNonUniformityFeatureValue
getSizeZoneNonUniformityNormalizedFeatureValue
getZonePercentageFeatureValue
getGrayLevelVarianceFeatureValue
getZoneVarianceFeatureValue
getZoneEntropyFeatureValue
getLowGrayLevelZoneEmphasisFeatureValue
getHighGrayLevelZoneEmphasisFeatureValue
getSmallAreaLowGrayLevelEmphasisFeatureValue
getSmallAreaHighGrayLevelEmphasisFeatureValue
getLargeAreaLowGrayLevelEmphasisFeatureValue
getLargeAreaHighGrayLevelEmphasisFeatureValue

7)Gldm：Gray Level Dependence Matrix(14features)灰度依賴性矩陣
getSmallDependenceEmphasisFeatureValue
getLargeDependenceEmphasisFeatureValue
getGrayLevelNonUniformityFeatureValue
getGrayLevelNonUniformityNormalizedFeatureValue
getDependenceNonUniformityFeatureValue
getDependenceNonUniformityNormalizedFeatureValue
getGrayLevelVarianceFeatureValue
getDependenceVarianceFeatureValue
getDependenceEntropyFeatureValue
getDependencePercentageFeatureValue
getLowGrayLevelEmphasisFeatureValue
getHighGrayLevelEmphasisFeatureValue
getSmallDependenceLowGrayLevelEmphasisFeatureValue
getSmallDependenceHighGrayLevelEmphasisFeatureValue
getLargeDependenceLowGrayLevelEmphasisFeatureValue
getLargeDependenceHighGrayLevelEmphasisFeatureValue

8)Ngtdm：Neighbouring Gray Tone Difference Matrix(5features)
getCoarsenessFeatureValue
getContrastFeatureValue
getBusynessFeatureValue
getComplexityFeatureValue
getStrengthFeatureValue

除了形狀特征類外，其他特征都可以在原始圖像和派生圖像上進行計算，注意上面的特征不是都需要的，有一些特征具有相關性。3、特征提取設置
1)Image Normalization圖像歸一化
Normalize：當設置為True時，對圖像進行歸一化處理
normalizeScale：對圖像進行歸一化處理的比例
RemoveOutliers：從圖像中刪除的離群值
2)Resampling the image圖像重采樣
ResamplePixelSpacing：設置重采樣時的體素大小。
Interpolator：設置重采樣的差值方法，可選的值如下：
sitkNearestNeighbor(= 1)
sitkLinear(= 2)
sitkBSpline(= 3)
sitkGaussian(= 4)
sitkLabelGaussian(= 5)
sitkHammingWindowedSinc(= 6)
sitkCosineWindowedSinc(= 7)
sitkWelchWindowedSinc(= 8)
sitkLanczosWindowedSinc(= 9)
sitkBlackmanWindowedSinc(= 10)
padDistance：設置在裁剪腫瘤體時的體素補充數(shù)量。

總結(jié)

以上是生活随笔為你收集整理的程序 峰谷值 提取_医学影像组学特征值（Radiomics Features）提取之Pyradiomics（一）理论篇...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。