療效預測中的影像組學特徵提取

介紹

最近一直在做關於腫瘤的放療療效預測相關的工作，遇到了一些問題主要是關於影像組學特徵提取相關的問題，在這裏做一個總結，主要是關於基於python提取影像組學特徵：

需要的module：

主要需要的是SimpleITK，NRRD和pyradiomics這幾個包，安裝的話直接pip就可以

pip install pyradiomics
pip install SimpleITK
pip install pynrrd

 具體流程：

因爲我們收到的數據都是圖像是dicom格式的，標註爲nii格式的，但是pyradiomics這個包，他說明只支持nrrd格式的輸入，所以前期我們踩了大量的坑，思路都停留在將dicom和nii格式的數據轉換爲nrrd格式的數據，但是一直都是會缺少部分信息，最近纔有部分進展，現在的流程如下：

1. 使用ITK-SNAP這個軟件將nii格式的標註轉換爲nrrd格式的數據，過程很簡單只需要將nii文件打開，選擇file-save image-main image即可，然後再彈出框中選擇nrrd格式，即可在對應文件目錄下生成一個對應格式的標註文件

2. 數據的處理過程，還有一個問題就是，我們收到的標註中既包含腫瘤區也包含了淋巴區，但是我們需要將這兩部分數據分開處理，所以需要形成不同的標註文件，兩部分的標註的區別是腫瘤區標註爲1，淋巴區標註爲5。這裏的思路是我們先使用nrrd包將生成的nrrd中的數據讀出來，進行修改，在反寫回去即可。

   
   import numpy as np
   import nrrd
   
   
   data, header = nrrd.read(nrrdpath)
   
   # 提取淋巴結的標註
   data = np.where(data[:, :, :] == 1, 0, data[:, :, :])
   lymph_data = np.where(data[:, :, :] == 5, 1, data[:, :, :])
   
   nrrd.write(lymphpath, lymph_data, header)
   

    

3.  數據的讀入過程：主要包含兩部分，圖像的讀入和標註的讀入；在這裏之前陷入一個誤區，以爲只能輸入nrrd格式，但是後來發現只要是simpleitk讀入的數據，pyradiomics都能處理，於是在這裏同時使用simpleitk進行數據的讀取，最後抽取數據即可

   # get image
   series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(image_path)
   nb_series = len(series_IDs)
   print(nb_series)
   series_file_names = sitk.ImageSeriesReader.GetGDCMSeriesFileNames(image_path,series_IDs[0])
   series_reader = sitk.ImageSeriesReader()
   series_reader.SetFileNames(series_file_names)
   image3D = series_reader.Execute()
   
   # get mask
   mask = sitk.ReadImage(nrrdpath)

   extractor = featureextractor.RadiomicsFeatureExtractor(geometryTolerance=0.001)
   
   print('Extraction parameters:\n\t', extractor.settings)
   print('Enabled filters:\n\t', extractor.enabledImagetypes)
   print('Enabled features:\n\t', extractor.enabledFeatures)
   
   features = extractor.execute(image3D, mask)

   最終得到的features是一個元組，大約包含100多個數據，每個數據都是浮點數，衡量了腫瘤的統計學，形狀，紋理等特徵，基於這些特徵，經過特徵篩選，使用機器學習方法進行建模，是當前比較流行的腫瘤療效預測，預後預測的研究思路

4.   影像組學的包的地址：影像組學特徵介紹，此外還會使用不同的濾波器對圖像進行處理提取更多的特徵，但思路是一樣的：filter介紹