Pyradiomics: [图像重采样]不同的蒙版和图像间距都被重采样了吗？

创建于 2020-01-07 · 3评论 · 资料来源: AIM-Harvard/pyradiomics

我有一个图像和一个具有以下间距的蒙版（NRRD）。

图像

尺寸：384384195
空间方向：（0.88541668653499994,0,0）（0,0.88541668653499994,0）（0,0,0.90000152587888649）
空间起源：（-169.55729547141999，-140.2094694674，-100.48773193358997）

面具

尺寸：258243287
空间方向：（-0.066025928798141606,0,0）（0，-0.066025928798141606,0）（0,0,0.066025928798141606）
空间起源：（80.501059337315141，-20.490285052856315,0.76234966516494795）

掩模间距比图像间距小得多，因为它来自自动分割。但是，考虑到来源和大小，面罩可以遮盖病变（ROI）

以“ resampledPixelSpacing”开始提取：[0.9，0.9，0.9]我获得以下信息：

[2020-01-07 15:20:29] I: radiomics.imageoperations: Applying resampling from spacing [0.06602593 0.06602593 0.06602593] and size [257 221 273] to spacing [0.9 0.9 0.9] and size [19, 17, 21]

正常吗它仅与面膜有关吗？图像也应该重新采样，但是我没有找到任何相关信息。

我认为应该为遮罩和图像显示一个单独的输出。此外，我不确定这种先验的粗粒度是否会影响结果。

任何帮助将不胜感激。此致。

question

资料来源

GiulioBen

所有3条评论

@GiulioBen ，要进行特征提取，图像和蒙版必须位于同一图像空间中。即使您没有启用重采样，也仍然需要将蒙版转换为图像空间。

这是由于以下事实：在PyRadiomics中，图像和遮罩将进一步转换为Numpy数组，从而丢失了几何信息（此时不再需要）。

因此，此输出说明图像和蒙版重采样的结果，这是正常现象。小尺寸反映了PyRadiomics仅对一个小区域（等于ROI边界框+附加填充）进行重新采样这一事实，这在计算效率上要高得多。

JoostJM 于 2020-01-07

👍1

关于提取特征的结果：是，重采样将更改提取特征的值。但是，重新采样到较粗的间隔并不一定意味着基于这些功能的模型的性能也会受到影响。实际上，随着分析的粗糙结构越少，对噪声的敏感性越低，性能甚至可能提高。

也就是说，需要权衡取舍：较粗的间隔不太容易受到噪声的影响，但是在某些时候，重要的信息也会丢失。因此，哪些设置将获得最佳结果取决于您的数据集。我通常建议不要内插太多，并在平面间距和切片厚度之间找到折衷方案。

JoostJM 于 2020-01-07

👍1

那么，是否由于resampledPixelSpacing“：[0.9，0.9，0.9]设置而将蒙版重新采样到图像空间并再次以立方体素重新采样？

是否在重采样之前计算了形状特征？

由于图像间距不一样，我被迫重新采样，这就是为什么要重新采样的原因。

感谢您的帮助！ :)

GiulioBen 于 2020-01-08

此页面是否有帮助？

0 / 5 - 0 等级

Pyradiomics: [图像重采样]不同的蒙版和图像间距都被重采样了吗？

所有3条评论

相关问题