pyradiomics批量提取特征

导入相关的库

import SimpleITK as sitk
import numpy as np
import pandas as pd
import radiomics
from radiomics import featureextractor

导入文件

我们有两个文件，一个是原始图像的nii文件，一个是标签图像的nii文件。

# 读取原始NII文件
image_nii = sitk.ReadImage(r"C:\Users\Administrator\Desktop\Breast\AN_HAI_YING_DCE.nii")

# 读取标签NII文件
label_nii = sitk.ReadImage(r"C:\Users\Administrator\Desktop\Breast\Segmentation-Segment_1-label.nii")

实例化

然后实例化函数：也可以不传入参数，可以传入一些参数进行设置。

一些具体参数的设置参考使用pyradiomics提取影像组学特征【详细】_pyradiomics特征提取-CSDN博客

# 创建PyRadiomics的特征提取器
params = {'binWidth': 25}  # 可以根据需要调整参数
extractor = featureextractor.RadiomicsFeatureExtractor(**params)

进行特征提取

# 提取特征
feature = extractor.execute(image_nii, label_nii)

打印我们的特征信息

# 打印提取的特征信息
for key, value in feature.items():
    print(f"Feature '{key}' = {value}")

将特征保存到CSV文件 

保存到csv文件中，不保存行列名。

# 将特征保存到CSV文件
result = pd.DataFrame([feature])
result = result.transpose()
result.to_csv(r"C:\Users\Administrator\Desktop\Breast\result.csv", index=False, header=False)
print("特征提取完成并保存到CSV文件。")

特征提取代码

import SimpleITK as sitk
import numpy as np
import pandas as pd
import radiomics
from radiomics import featureextractor

# 读取原始NII文件
image_nii = sitk.ReadImage(r"C:\Users\Administrator\Desktop\Breast\AN_HAI_YING_DCE.nii")

# 读取标签NII文件
label_nii = sitk.ReadImage(r"C:\Users\Administrator\Desktop\Breast\Segmentation-Segment_1-label.nii")

# 创建PyRadiomics的特征提取器
params = {'binWidth': 25}  # 可以根据需要调整参数
extractor = featureextractor.RadiomicsFeatureExtractor(**params)

# 提取特征
feature = extractor.execute(image_nii, label_nii)

# 打印提取的特征信息
for key, value in feature.items():
    print(f"Feature '{key}' = {value}")

# 将特征保存到CSV文件
result = pd.DataFrame([feature])
result = result.transpose()
result.to_csv(r"C:\Users\Administrator\Desktop\Breast\result.csv", index=False, header=False)
print("特征提取完成并保存到CSV文件。")

 代码中用到的都是nii格式的文件

dcm转化为nii

我们需要将dcm文件转化为nii文件

#coding=utf-8
import SimpleITK as sitk
import os

def dcm2nii(dcms_path, nii_path):

	# 1.构建dicom序列文件阅读器，并执行（即将dicom序列文件“打包整合”）
    reader = sitk.ImageSeriesReader()
    dicom_names = reader.GetGDCMSeriesFileNames(dcms_path)
    reader.SetFileNames(dicom_names)
    image2 = reader.Execute()
	# 2.将整合后的数据转为array，并获取dicom文件基本信息
    image_array = sitk.GetArrayFromImage(image2)  # z, y, x
    origin = image2.GetOrigin()  # x, y, z
    spacing = image2.GetSpacing()  # x, y, z
    direction = image2.GetDirection()  # x, y, z
	# 3.将array转为img，并保存为.nii.gz
    image3 = sitk.GetImageFromArray(image_array)
    image3.SetSpacing(spacing)
    image3.SetDirection(direction)
    image3.SetOrigin(origin)
    sitk.WriteImage(image3, os.path.join(nii_path,))



dcms_path = r"F:\300多的乳腺MR图像\良性\enhance\BAI_JING_WEN-220411262"  # dicom序列文件所在路径
nii_path = r"C:\Users\Administrator\Desktop\Breast\benign\BAI_JING_WEN.nii"  # 所需.nii.gz文件保存路径
dcm2nii(dcms_path, nii_path)

参考文档医学图像将dcm格式转化的nii格式如何处理_dcm转nii-CSDN博客

参考视频

影像组学 特征提取（3Dslicer插件与pyradiomics 两个方法）_哔哩哔哩_bilibili

 完整代码

import os
import pandas as pd
import SimpleITK as sitk
import radiomics
from radiomics import featureextractor

''''
origin_path是存放原图nii的文件夹
label_path是存放标签nii的文件夹
csv_file_path是存放结果的csv文件
'''


origin_path = r"C:\Users\Administrator\Desktop\Breast\benign\DCE"
label_path = r"C:\Users\Administrator\Desktop\Breast\benign_label"
# 设置 CSV 文件路径
csv_file_path = r"C:\Users\Administrator\Desktop\Breast\result.csv"

# 如果 CSV 文件已存在，则删除
if os.path.exists(csv_file_path):
    os.remove(csv_file_path)

# 创建特征提取器
extractor = featureextractor.RadiomicsFeatureExtractor()
patients = os.listdir(label_path)
# 逐个处理每个病人

for p in patients:
    name = p.split("-")[0]
    origin = os.path.join(origin_path, name + ".nii")
    label = os.path.join(label_path, p)

    # 读取原始NII文件
    origin_nii = sitk.ReadImage(origin)

    # 读取标签NII文件
    label_nii = sitk.ReadImage(label)

    # 提取特征
    feature = extractor.execute(origin_nii, label_nii)
    result = pd.DataFrame([feature])

    # 在DataFrame中添加Name列
    result.insert(0, 'Name', name)

    # 将特征追加到CSV文件中
    result.to_csv(csv_file_path, mode='a', index=False, header=not os.path.exists(csv_file_path))

print("特征提取完成并追加到CSV文件。")