Li‘s 影像组学radiomics视频学习笔记(34)-使用3D Slicer软件提取影像组学特征

作者:北欧森林
链接:https://www.jianshu.com/p/afcd06221ea4
来源:简书,已获授权转载

RadiomicsWorld.com “影像组学世界”论坛:
影像组学世界/RadiomicsWorld

本笔记来源于B站Up主: 有Li 的影像组学系列教学视频
本节(34)主要介绍: 使用3D Slicer软件提取影像组学特征

Pyradiomics官网里有介绍,pyradiomics也可以通过软件3D Slicer的扩展软件包进行影像组学特征提取。

3D Slicer is a free open source research platform for medical image computing. Learn more and download 3D Slicer binary for your platform here: http://slicer.org.
Once installed, you can use 3D Slicer ExtensionManager to install Radiomics extension, which provides a graphical user interface to the pyradiomics library. The advantage of using pyradiomics from 3D Slicer is that you can view images and segmentations, you can import existing segmentations and confirm their quality, or you can use the variety of tools in 3D Slicer to automate your segmentation tasks.
More detailed instructions about installing 3D Slicer Radiomics extension are available here: https://github.com/Radiomics/SlicerRadiomics

视频里李博士简要地演示了使用这个软件提取影像组学特征的过程,重要的几个步骤为:

1、打开3D Slicer应用商店 Extensions Manager

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420289-471354-1.jpg]

2、在搜索框里输入slicerradiomics, 点击 按钮install(我已经安装好了,所以这里显示 uninstall)。在正式使用前,软件需要重启一下

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420300-469889-2.jpg]

3、点击软件左上角导入文件图标DATA,选择目标文件。在导入文件时,mask文件一定要有清晰的标记

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420355-617835-3.jpg]

4、调用 pyradiomics 模块 (途径和李博士演示的稍有不同)

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420362-759177-4.png]

5、设置各种参数,提取影像组学特征

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420371-803136-5.jpg]

6、找到目标文件,选择合适的格式,点击保存(注意文件的保存位置)

[upl-image-preview url=http://radiomicsworld.com/assets/files/2020-12-31/1609420377-317025-6.jpg]

7、打开保存的excel表,进行行列转置(通常列为各个feature,行为每一个样本,但软件导出的表格为竖排的,需要手动转置)
8、开始愉快的影像组学研究

Critical Thinking:

使用3D Slicer软件界面化操作进行影像组学特征提取具有方便、直观、简单明了的便利,对于编程基础薄弱的初学者倒不失为一种方法。但是它的弊端在于无法进行批量化处理,这在样本量较大时很考验人的耐心。此外,导出的Table 是按列排列的,需要进一步手动进行行列转置,这无形中增加了研究者的劳动量。

你可能感兴趣的:(Li's,影像组学视频学习笔记,python,机器学习,神经网络,数据挖掘,深度学习)