影像组学提取全部特征

提取Pyradiomics网站上给出所有的特征，以及Log对数变换，小波变换等处理后的全部特征放射组学特征 — pyradiomics v3.1.0rc2.post5+g6a761c4 文档

都是和B站和博客的老师们学的，当作学习笔记

import pandas as pd
import os
import radiomics
from radiomics import featureextractor
path = r'C:\Users\lyp\Desktop\test'#test文件夹下存放多个病例的文件夹，每个病例文件夹下包含一个原始图像和一个label图像
folders = os.listdir(path)#创建一个子文件夹文件名的list，便于后续的遍历
df = pd.DataFrame()#创建一个空表

# 定义特征提取设置
settings = {}
settings['binWidth'] = 25
settings['sigma'] = [3, 5]
settings['resampledPixelSpacing'] = [1,1,1]
settings['voxelArrayShift'] = 1000
settings['normalize'] = True
settings['normalizeScale'] = 100# 这些全部按自己需要来设置

# 实例化特征提取器
extractor = featureextractor.RadiomicsFeatureExtractor(**settings)
#批量提取特征：
extractor.enableAllImageTypes()#设置图像类型
for folder in folders:
#循环遍历每一个病例
        print(folder)
        image_file = os.path.join(path,folder,'image.nrrd')#获取原始图像路径
        label_file = os.path.join(path,folder,'label.nrrd')#获取label图像路径
        feature = extractor.execute(image_file,label_file)#提取特征
        df_new = pd.DataFrame.from_dict(feature.values()).T#获取特征值，转为表格形式，并转置
        df_new.columns = feature.keys()#获得特征名
        df_new.insert(0,'ID',folder)#在表格第一列插入病例文件夹名称
        df = pd.concat([df,df_new])#将所有病例放入一个表格中
df.to_excel(os.path.join(path,'result.xlsx'))