1. 利用 3Dslicer 软件提取影像组学特征
- 安装插件:SlicerRadiomics
-
导入影像文件:breast1_label.nrrd(mask 文件) 和 breast1_image.nrrd(个人影像文件)。
-
切换插件:Welcome to Slicer → Informatics → Radiomics
-
设置参数(如图):
◆ Select Input Volume and Segmentationinput image Volume
: breast1_image(个人影像文件)input regions
感兴趣区:breast1_label(mask 文件)
◆ Extraction Customization:Manual CustimizationFeatrue Classes
选择提取哪些类特征,如 firstorder 和 gldmResampling and Filtering
重采样 →Resampled voxel size
:3,3,3(体素与体素间的距离都是 3mm,建议每个方向上的体素间隔一致)→LoG kernel sizes
: 3,4 (如果使用高斯拉布拉斯滤波器,需要设置一下,可以设置多个 size)。勾选Wavelet-based features
(是否提取小波滤波器的特征)
其他默认
◆ outputoutput table
: Table1 (修改输出表格名),设置表格名称后Apply
。
-
Apply 后窗口右下角产生一个表格:
Image type
:原始图像还是某种滤波器上产生的图片,前面 diagnostics 是影像的基本信息,从 log-sigma-3-0-mm-3D 开始是对特征提取有用的信息(log 滤波器,sigma size 3.0)。Feature class
:特征分类
-
导出表格:格式选择
csv
。
- 做影像组学研究时通常把病例作为行,特征作为列,所以需要把 csv 表格转置一下用于后续研究:全选数据 → 到新表粘贴时选择转置。
2. 利用 python 提取影像组学特征
-
基础版:提取一个病例的特征
需要先安装pyradiomics
参考:【影像组学】windows系统安装pyradiomics包的问题# pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyradiomics from radiomics import featureextractor imageFile = 'file5/breast1/breast1_image.nrrd' maskFile = 'file5/breast1/breast1_label.nrrd' extractor = featureextractor.RadiomicsFeatureExtractor() # 初始化,给这一长串起个简写的名字 featureVector = extractor.execute(imageFile, maskFile) # # print(featureVector.items()) 结果太多太杂乱 # for循环遍历提取所需的信息 featureName for featureName in featureVector.keys(): print("%s: %s" % (featureName, featureName[featureName]))
● 常用参数设置
-
按待提取特征选择
extractor.disableAllFeatures() # 禁用所有特征 extractor.enableFeaturesByName(firstorder=['Mean', 'Skewness']) # 只选几个特征提取 featureVector = extractor.execute(imageFile, maskFile) for featureName in featureVector.keys(): print("%s: %s" % (featureName, featureVector[featureName]))
-
按待提取特征类型选择
extractor.disableAllFeatures() # 禁用所有特征 extractor.enableFeatureClassByName('glcm') # 输出想要类型的特征,如 glcm featureVector = extractor.execute(imageFile, maskFile) for featureName in featureVector.keys(): print("%s: %s" % (featureName, featureVector[featureName]))
-
滤波器设置:在加滤波器(对图像做修整)的图像上提取特征。
extractor.enableImageTypes(Original={}, LoG={}, Wavelet={}) # Original原始图像 LoG滤波器 Wavelet小波滤波器 featureVector = extractor.execute(imageFile, maskFile) for featureName in featureVector.keys(): print("%s: %s" % (featureName, featureVector[featureName]))
-
批处理提取影像组学特征文章来源:https://www.toymoban.com/news/detail-442694.html
import os import pandas as pd basePath = 'data/featureExtraction' folders = os.listdir(basePath) # 读取featureExtraction文件夹下所有文件名 print(folders) df = pd.DataFrame() for folder in folders: # 遍历文件夹 files = os.listdir(os.path.join(basePath,folder)) # 拼接文件夹下的文件路径 # print(files) 区分影像文件和 mask 文件 for file in files: if file.endswith('image.nrrd'): imageFile = os.path.join(basePath,folder,file) # 影像文件路径 if file.endswith('label.nrrd'): maskFile = os.path.join(basePath,folder,file) # mask文件路径 # print(imageFile, maskFile) 特征提取 extractor = featureextractor.RadiomicsFeatureExtractor() featureVector = extractor.execute(imageFile, maskFile) # 得到结果是字典 dict # 从featureVector字典中提取数据转换成数据框,并 .T 转置(特征作为列) df_new = pd.DataFrame.from_dict(featureVector.values()).T df_new.columns = featureVector.keys() # 列名 df = pd.concat([df,df_new]) # 合并之前的数据框 df.to_excel(os.path.join(basePath,'results.xlsx'))
文章来源地址https://www.toymoban.com/news/detail-442694.html
到了这里,关于【影像组学】用3Dslicer或Python提取影像组学特征的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!