影像组学之radiomics提取特征的意义(2).ppt

影像组学之radiomics提取特征的意义（2）小马医 21/2/13 几个重要的共识1：特征全部来自主流提取特征工具pyradiomic(哈佛大学医学院为主的团队研发)2：图像前处理有必要，但是根据不同情况如何处理尚有争议。3：部分特征可能对一部分肿瘤有意义，对一部分毫无意义，即提取特征为潜在可能因素。4：强调实用性，过于复杂数学原理详见官网5：分类原因与官网介绍顺序不同6：如有纰漏，欢迎评论区和私信交流 特征意义（3D 111个 2D 104个）First Order Statistics (19 features) 一阶功能Shape-based (3D) (17 features) 3D 形状特征Shape-based (2D) (10 features) 2D形状特征Gray Level Cooccurence Matrix (24 features) 灰度共生矩阵（GLCM）功能Gray Level Size Zone Matrix (16 features) 灰度大小区域矩阵（GLSZM）功能Gray Level Run Length Matrix (16 features) 灰度游程长度矩阵（GLRLM）功能Neighbouring Gray Tone Difference Matrix (5 features) 灰度色调差异矩阵功能Gray Level Dependence Matrix (14 features) 灰度依赖矩阵功能 Gray Level Cooccurence Matrix (24 features)灰度共生矩阵 Gray Level Cooccurence Matrix (24 features) 体素对的呈现（强度与形状的结合） 1 2 3 4 5 1 2 3 4 52D 4个角度 8个方向0.150.10.075000.100.050.0250.0750.0750.0500.0250.0500.0250.0250000.0750.0500.05merge计算概率 Gray Level Cooccurence Matrix (24 features)灰度共生矩阵1. Maximum Probability(图像中出现次数最多体素对的概率)2.Joint Energy(体素对出现的数量概率的程度 粗糙的反映高概率体素对的占比)3.Joint Average(体素对的概率平均值乘灰度，考虑形态因素的平均灰度强度)4.Joint Entropy(体素对熵，分布丰富程度)5. Sum of Squares( Joint variance)(体素对强度的方差 波动性)6.Contrast(对比度，体素对的概率乘相应灰度差值的平方 更强调局部强度对比关系） Gray Level Cooccurence Matrix (24 features)灰度共生矩阵7.Autocorrelation((自动相关性 图像纹理粗糙程度)8.Correlation(相关性 图像纹理粗糙程度 归为0-1)9. Informational Measure of Correlation (IMC) (信息相关度 利用体素对熵计算量化纹理的复杂性）10. Informational Measure of Correlation (IMC2)(同1)11. Maximal Correlation Coefficient (MCC)(相关系数，0 ≤ MCC ≤ 1 体素对的分布程度) Gray Level Cooccurence Matrix (24 features)灰度共生矩阵 12.Cluster Prominence(集群突出 像素对分布的不对称性 四次方 ) 13.Cluster Shade(集群阴影像素对分布的不对称性 三次方) 14.Cluster Tendency(集群趋势像素对分布的不对称性 平方) Gray Level Cooccurence Matrix (24 features)灰度共生矩阵15.Inverse Difference (ID)(均匀性或称一致性 体素对的概率/(相应灰度差值+1))16.Inverse Difference Normalized (IDN) (标准化的均匀性)17.Inverse Difference Moment (IDM) (逆差分矩 均匀性另一种算法更精细)18.Inverse Difference Moment Normalized (IDMN)(标准化逆差分矩 )19.Inverse Variance((逆方差 排除相同强度体素对的均匀性) Gray Level Cooccurence Matrix