radiomics放射组学图像特征计算

如何计算大量的放射组学特征

刚开始接触放射组学的时候，同样惊奇于如何从图像当中提取成百上千的特征，看了很多文章，走了很多弯路，终于找到了计算出大量图像特征的方法。

其实，本质上，包括全局灰度特征，以及纹理矩阵特征（灰度共生矩阵、灰度行程矩阵等），再加上针对肿瘤图像的形状特征总共可以计算出来的特征数量最多100多个，而这100多个特征的计算方法你完全可以自己编程实现，不管是通过matlab（附上
一段用matlab计算特征的代码，总共46个特征，不包括针对肿瘤的形状特征matlab代码）或者spss或者python（github搜索radiomics，会有很多资源），本且这些程序的获取并不困难，重点是文献当中所提到的成百上千个特征的来源。

通过不同的方法对原图像进行变换，将变换后的特征再计算一遍上述的所有特征，这样就使得获得更多的特征。下面介绍几种图像变换的方法。

一、图像灰度级的变换

图像灰度级的变换就是说将原图像的灰度级进行变换，可以将图像的灰度级变换到2的任意次方，但是在变换的时候需要考虑一下信息的丢失，如果你将256变换为8，这就会使得图像丢失太多的信息。

二、图像量化采取的方法

原图进行预处理的时候，可以对原图像进行量化，比如说原图像中有0（有0时是不能计算纹理特征的）的存在，就需要对原图像进行量化。量化同样有很多种方法，包括均匀量化与等概率量化等，同样是对原图像进行变换。

三、对图像进行滤波

文献当中很多都会提到小波特征，其实所说的小波特征就是将原图像经过小波变换，然后再重复计算上述特征，至于小波变换的程序，matlab有专门的函数，可以调用。这里是对二维图像的小波变换，将原图像分成了7张（高频低频图）。

[C,S] = wavedec2(volume,2,'sym4');
cA2 = appcoef2(C,S,'sym4',2);
[cH2,cV2,cD2] = detcoef2('all',C,S,2);
[cH1,cV1,cD1] = detcoef2('all',C,S,1);

将原图像经过如此多的变换的时候，再重复计算特征，就可以得到成百上千的特征，这应该就是radiomics提取特征的方法，再也不用为了各种软件计算特征需要原图像的格式不同等一系列麻烦的问题，baba自己会算。