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。