醫學影像組學特徵值（Radiomics Features）提取之Pyradiomics（一）理論篇

醫學影像組學特徵值（Radiomics Features）提取之pyradiomics（一）理論篇

pyradiomics是一個開源的python軟體包，可以從醫學影像中提取出Radiomics影像組學特徵，其支援2D和3D中的特徵提取，在2.0版開始，pyradiomics還實現了基於voxel-based體素的提取，但提取需要時間較長，輸出為由引數對映的SimpleITK影象，而不是針對每個特徵的float值。 SimpleITK支援的所有影象型別可以用作PyRadiomics的輸入。

一、安裝方法 1．Install via pip通過pip安裝 確保Python已經安裝的環境下，安裝PyRadiomics： python -m pip install pyradiomics 2．Install via conda通過conda安裝 要在Conda環境下上安裝PyRadiomics： conda install -c radiomics pyradiomics 3．Install from source原始碼安裝 Pyradiomics支援從原始碼安裝，但由於附帶了計算紋理矩陣和某些形狀特徵的C擴充套件，因此需要額外設定編譯器，比較複雜，感興趣可以去官網（https://pyradiomics.readthedocs.io/en/latest/installation.html#install-from-source）。 4．Use 3D Slicer Radiomics extension使用3D Slicer Radiomics擴充套件

5．Use pyradiomics Docker使用pyadiomics Docker pyadiomics Docker支援從命令列使用pyradiomics，感興趣可以去官網（https://pyradiomics.readthedocs.io/en/latest/installation.html#use-pyradiomics-docker）。

二、Pyradiomics影像組學特徵提取 在PyRadiomics中可以通過4種方式自定義特徵提取： 1）指定用於提取特徵的影象型別（原始影象或者基於變換的派生影象） 2）指定要提取的特徵類 3）指定一個設定檔案來控制預處理、影象變換的濾波器和特徵類 4）指定voxel-based基於體素的特定設定，只有在使用PyRadiomics 進行體素提取生成特徵圖時才需要 1、影象型別 進行影像組學特徵提取的影象既可以是原始影象，也可以是經過濾波器處理的派生影象。預設情況下只使用原始影象，允許的影象型別儲存在特徵提取類例項_enabledImageTypes字典中，並且可以通過enableAllImageTypes()， disableAllImageTypes()， enableImageTypeByName()和 enableImageTypes()函式進行修改。 目前可用的影象型別如下： 原始影象： 1）Original：原始影象 派生影象： 2）Wavelet：小波濾波 3）LoG：高斯濾波器的拉普拉斯運算元，是一種邊緣增強濾波器，強調的是灰度變化的區域，sigma引數定義要強調的紋理粗糙度，該值較低則強調較細的紋理，該值較高則強調較粗糙的紋理。 4）Square：平方，即獲取影象強度值的平方 5）SquareRoot：平方根，即獲取影象強度值的平方根 6）Logarithm：對數，獲取影象絕對強度+1的對數 7）Exponential：指數，獲取影象強度值的指數 8）Gradient：梯度，獲取影象區域性梯度的大小 9）LocalBinaryPattern2D：本地二進位制模型（2D） 10）LocalBinaryPattern3D：本地二進位制模型（3D） 2、允許的特徵類 從每個影象型別中進行特徵提取的特徵型別，允許的特徵類被儲存在特徵提取類例項_enabledFeatures字典中，並且可以通過enableAllFeatures()， disableAllFeatures()， enableFeatureClassByName()和 enableFeaturesByName()函式進行修改。字典中的每個鍵值對代表一個啟用的特徵類，其中特徵類名稱為鍵，而啟用的特徵名稱列表為值。如果值為None或空列表，則啟用該特徵類中的所有特徵。否則，僅指定某些特徵則啟用該特徵，預設情況下所有的特徵類和特徵都被啟動。 目前可用的特徵類如下： 1）First Order Statistics（19features）一階統計量 通過常用的和基本的度量來描述由mask定義的影象區域內的體素強度分佈。 GetEnergyFeatureValue（）：能量，是影象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）為尺度的能量特徵值。

GetEntropyFeatureValue（）：熵，定義影象值的不確定性或者隨機性，是對影象值進行編碼所需平均資訊量對度量。

GetMinimunFeatureValue（）：最小特徵值 Get10PercentileFeatureValue（）：第10%的特徵值。 Get90PercentileFeatureValue（）：第90%的特徵值 GetMaximunFeatureValue（）：最大特徵值 GetMeanFeatureValue（）：平均特徵值 GetMedianFeatureValue（）：中位數特徵值 GetInterquartileRangeFeatureValue（）：四分位範圍 GetRangeFeatureValue（）：強度值範圍（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，偏度測量關於平均值的值分佈的不對稱性。根據尾巴在哪裡加長和分佈的質量集中在什麼地方，該值可以為正或負。

GetKurtosisFeatureValue（）：峰度，峰度是影象ROI中值分佈的“峰值”度量。峰度越高，意味著分佈的質量集中於尾部而不是均值。較低的峰度意味著相反的情況：分佈的質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。這是對均值分佈分佈的度量

getUniformityFeatureValue（）：均勻度，是每個強度值的平方和的量度。這是影象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範圍。

2）Shape-based（3D）（16fetures）基於3D形狀 getMeshSurfaceFeatureValue（）：網格表面，由三角形網格定義，計算ROI的表面。 getPixelSurfaceFeatureValue（）：畫素表面，由畫素數量乘以每個畫素的面積得到。 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。 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）基於2D形狀 getMeshVolumeFeatureValue（）：網格體積，由影像RIO的三角形網格計算得到。 getVoxelVolumeFeatureValue（）：體素體積，由體素的個數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，是腫瘤區域相對於球形度圓度度度量。 getCompactness1FeatureValue（）：緊湊度1，是衡量腫瘤形狀相對於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於球體的緊密程度的度量，公式不同。 getSphericalDisproportionFeatureValue（）：球形不對稱，是腫瘤區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。 getMaximum3DDiameterFeatureValue（）：最大3D直徑，表示腫瘤表面網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係。 getFlatnessFeatureValue（）：平面度，是表示ROI形狀中最大和最小主成分之間的關係。

4）Glcm：Gray Level Cooccurence Matrix（24features）灰度共生矩陣 定義了一些關於相關性、能量、對比、逆差、方差、概率、熵、平方和等資訊，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），灰度級執行長度矩陣 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

除了形狀特徵類外，其他特徵都可以在原始影象和派生影象上進行計算，注意上面的特徵不是都需要的，有一些特徵具有相關性。 3、特徵提取設定 1）Image Normalization影象歸一化 Normalize：當設定為True時，對影象進行歸一化處理 normalizeScale：對影象進行歸一化處理的比例 RemoveOutliers：從影象中刪除的離群值 2）Resampling the image影象重取樣 ResamplePixelSpacing：設定重取樣時的體素大小。 Interpolator：設定重取樣的差值方法，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：設定在裁剪腫瘤體時的體素補充數量。

本文分享自微信公眾號 -Python程式設計和深度學習（Python_Deeplearning），作者：JieZhao

原文出處及轉載資訊見文內詳細說明，如有侵權，請聯絡[email protected]刪除。

原始發表時間：2020-07-10

本文參與騰訊雲自媒體分享計劃，歡迎正在閱讀的你也加入，一起分享。

本文來自部落格園，作者：程式設計coding小白，轉載請註明原文連結：https://www.cnblogs.com/zhenhua1203/p/15679132.html