Pyradiomics: जब एक ही DICOM श्रृंखला से मुखौटा और छवि प्राप्त की जाती है तो ज्यामिति बेमेल क्यों होती है?

को निर्मित 23 अप्रैल 2019 · 13टिप्पणियाँ · स्रोत: AIM-Harvard/pyradiomics

नमस्ते,

संदर्भ के लिए, मैं एकल छवि-मास्क जोड़े के लिए, साथ ही साथ विभिन्न YAML कॉन्फ़िगरेशन के साथ-साथ दसियों छवि-मास्क जोड़े के लिए बैच निष्कर्षण चलाने के लिए कमांड-लाइन से PyRadiomics को सफलतापूर्वक चलाने में सक्षम हूं। हालाँकि, मुझे एक समस्या का सामना करना पड़ा है कि मुझे पता है कि कैसे घूमना है, लेकिन मैं अभी भी उत्सुक हूं कि ऐसा क्यों होता है।

सेटअप: मेरे पास 158 स्लाइस के साथ एक एकल रोगी DICOM श्रृंखला है, प्रत्येक आयाम 512x512 पिक्सेल है। मैंने श्रृंखला को स्लाइसर में लोड किया और एक आरओआई (नोड्यूल) की रूपरेखा तैयार की और फिर बाइनरी लेबल मैप को .nrrd फ़ाइल के रूप में निर्यात किया। फिर, मैंने उसी DICOM श्रृंखला को .nii वॉल्यूम में बदलने के लिए कमांड-लाइन टूल dcm2niix का उपयोग किया।

जब मैं .nii छवि और .nrrd मास्क का उपयोग करके टर्मिनल से पाइराडियोमिक्स चलाता हूं, तो मुझे नीचे वर्णित के अनुसार एक ज्यामिति बेमेल मिलता है। ऐसा क्यों होगा यदि मुखौटा और छवि की मात्रा एक ही DICOM श्रृंखला से ली गई थी? क्या यह एक अपेक्षित घटना है?

जैसा कि उल्लेख किया गया है, दो समाधान हैं: (1) छवि को सीधे स्लाइसर से .nii या .nrrd वॉल्यूम के रूप में सहेजें, और यह ठीक काम करता प्रतीत होता है; (२) सहिष्णुता मूल्य को समायोजित करें (हालांकि यह समाधान मुझे असहज महसूस कराता है)। आखिरकार, मैं सैकड़ों DICOM श्रृंखलाओं के बैच रूपांतरण को .nii या .nrrd संस्करणों में करना चाहता हूं, और मेरे पास पहले से ही इन सैकड़ों श्रृंखलाओं के लिए मास्क हैं। इसलिए मैं स्लाइसर के बजाय dcm >> nii या nrrd से बैच रूपांतरण के लिए कमांड-लाइन टूल का उपयोग करने की उम्मीद कर रहा था।

आपके सहयोग के लिए धन्यवाद।

[2019-04-23 16:38:19] E: radiomics.script: Feature extraction failed!
Traceback (most recent call last):
  File "/anaconda3/lib/python3.6/site-packages/pyradiomics-0+unknown-py3.6-macosx-10.7-x86_64.egg/radiomics/imageoperations.py", line 192, in checkMask
    lsif.Execute(imageNode, maskNode)
  File "/anaconda3/lib/python3.6/site-packages/SimpleITK/SimpleITK.py", line 43958, in Execute
    return _SimpleITK.LabelStatisticsImageFilter_Execute(self, *args)
RuntimeError: Exception thrown in SimpleITK LabelStatisticsImageFilter_Execute: /scratch/dashboard/SimpleITK-OSX10.6-x86_64-pkg/SimpleITK-build/ITK-prefix/include/ITK-4.13/itkImageToImageFilter.hxx:241:
itk::ERROR: LabelStatisticsImageFilter(0x7fcd1e601050): Inputs do not occupy the same physical space! 
InputImage Origin: [-1.8200000e+02, 1.6933569e+02, -3.0314999e+02], InputImage_1 Origin: [-1.8200000e+02, -1.7000000e+02, -3.0314999e+02]
    Tolerance: 6.6406202e-07
InputImage Direction: 1.0000000e+00 0.0000000e+00 0.0000000e+00
0.0000000e+00 -1.0000000e+00 0.0000000e+00
0.0000000e+00 0.0000000e+00 1.0000000e+00
, InputImage_1 Direction: 1.0000000e+00 0.0000000e+00 0.0000000e+00
0.0000000e+00 1.0000000e+00 0.0000000e+00
0.0000000e+00 0.0000000e+00 1.0000000e+00

    Tolerance: 1.0000000e-06


During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "/anaconda3/lib/python3.6/site-packages/pyradiomics-0+unknown-py3.6-macosx-10.7-x86_64.egg/radiomics/scripts/segment.py", line 40, in extractSegment
    feature_vector.update(extractor.execute(imageFilepath, maskFilepath, label))
  File "/anaconda3/lib/python3.6/site-packages/pyradiomics-0+unknown-py3.6-macosx-10.7-x86_64.egg/radiomics/featureextractor.py", line 397, in execute
    boundingBox, correctedMask = imageoperations.checkMask(image, mask, **self.settings)
  File "/anaconda3/lib/python3.6/site-packages/pyradiomics-0+unknown-py3.6-macosx-10.7-x86_64.egg/radiomics/imageoperations.py", line 207, in checkMask
    raise ValueError('Image/Mask geometry mismatch. Potential fix: increase tolerance using geometryTolerance, '
ValueError: Image/Mask geometry mismatch. Potential fix: increase tolerance using geometryTolerance, see Documentation:Usage:Customizing the Extraction:Settings:geometryTolerance for more information

question

स्रोत

mattwarkentin

सभी 13 टिप्पणियाँ

ऐसा इसलिए है क्योंकि डिफ़ॉल्ट सहिष्णुता बहुत कठोर है। पुन: नमूनाकरण सक्षम करना सबसे आसान होगा।

fedorov 23 अप्रैल 2019

@warkentinmatt correctMask को सक्षम करके इसे ठीक करना भी संभव हो सकता है। यह छवि को फिर से नमूना किए बिना मुखौटा (निकटतम पड़ोसी) के पुन: नमूनाकरण की अनुमति देता है। केवल आवश्यकता यह है कि मुखौटा का भौतिक स्थान छवि के भीतर समाहित हो।

मुझे जो संदेह हुआ वह यह है कि आपके मुखौटा में छवि के समान अंतर/दिशा है, लेकिन आकार और मूल अलग-अलग हैं, क्योंकि स्लाइसर अब क्षेत्र को फसल करके और तदनुसार मूल समायोजित करके मुखौटा संग्रहीत करता है। यह स्मृति बचाता है, लेकिन आपको PyRadiomics को यह बताने की आवश्यकता है कि मास्क को फिर से नमूना देना ठीक है (जो, इस बाद के मामले में, छवि आकार से मेल खाने तक केवल पैडिंग के बराबर है)।

PyRadiomics डिफ़ॉल्ट रूप से मास्क को सही नहीं करता है, क्योंकि यह PyRadiomics द्वारा किए जा रहे अतिरिक्त चरण के लिए एक चेतावनी के रूप में कार्य करता है।

JoostJM 24 अप्रैल 2019

अपने प्रतिसाद के लिए आप दोनों का धन्यवाद।

@JoostJM तो बस यह सुनिश्चित करने के लिए कि मैं आपकी टिप्पणियों को समझता हूं, जब स्लाइसर NRRD लेबल मैप को निर्यात/सहेजता है, तो यह ROI की सीमा तक आकार को क्रॉप करता है? यह इनपुट वॉल्यूम की मूल आयामीता को बनाए नहीं रखता है? जब मैं स्लाइसर में दृश्य साफ़ करता हूँ, DICOM श्रृंखला को फिर से आयात करता हूँ, और फिर NRRD मास्क में लोड करता हूँ, तो मास्क को उचित शारीरिक स्थिति में CT पर आरोपित किया जाता है। मेरे लिए, मैंने मान लिया कि इसका मतलब है कि सीटी के मूल आयामों को मास्क में बनाए रखा गया था। क्या सीटी पर मास्क को ठीक से संरेखित करने के लिए स्लाइसर पर्याप्त स्मार्ट है (अर्थात सही मेटा-डेटा का उपयोग कर रहा है)?

इसके अलावा, बस इतना स्पष्ट है कि बाइनरी मास्क को फिर से तैयार करने के साथ क्या हासिल किया गया है: मेरी समझ यह है कि यदि आरओआई छवि में केंद्रीय रूप से स्थित है (इस प्रकार सरणी के केंद्र में कुछ सौ/हजार "1" होते हैं), जो कि पुन: नमूनाकरण वॉल्यूम की सीमा पर मुखौटा के निकटतम-पड़ोसी अनिवार्य रूप से 0 के साथ मुखौटा को पैड कर रहे हैं? क्या यह सही व्याख्या है?

आपके सहयोग के लिए धन्यवाद।

mattwarkentin 24 अप्रैल 2019

तो बस यह सुनिश्चित करने के लिए कि मैं आपकी टिप्पणियों को समझता हूं, जब स्लाइसर एनआरआरडी लेबल मानचित्र को निर्यात/सहेजता है, तो यह आरओआई की सीमा तक आकार को क्रॉप करता है?

हां, यह संभव है, क्योंकि Nrrd फाइलों में मूल, यानी पहले स्वर का भौतिक स्थान भी होता है।
Nrrd में दिशा और रिक्ति के बारे में भी जानकारी होती है, जिससे आप अलग-अलग पिक्सेल आकार या घुमाए गए चित्रों पर बने सेगमेंट को भी ओवरलैप कर सकते हैं।
यही कारण है कि numpy arrays को PyRadiomics के इनपुट के रूप में स्वीकार नहीं किया जाता है, क्योंकि इनमें यह ज्यामितीय जानकारी नहीं होती है

इसके अलावा, बस इतना स्पष्ट है कि बाइनरी मास्क को फिर से तैयार करने के साथ क्या हासिल किया गया है: मेरी समझ यह है कि यदि आरओआई छवि में केंद्रीय रूप से स्थित है (इस प्रकार सरणी के केंद्र में कुछ सौ/हजार "1" होते हैं), जो कि पुन: नमूनाकरण वॉल्यूम की सीमा पर मुखौटा के निकटतम-पड़ोसी अनिवार्य रूप से 0 के साथ मुखौटा को पैड कर रहे हैं? क्या यह सही व्याख्या है?

सही बात

JoostJM 24 अप्रैल 2019

जब मैं स्लाइसर में दृश्य साफ़ करता हूँ, DICOM श्रृंखला को फिर से आयात करता हूँ, और फिर NRRD मास्क में लोड करता हूँ, तो मास्क को उचित शारीरिक स्थिति में CT पर आरोपित किया जाता है। मेरे लिए, मैंने मान लिया कि इसका मतलब है कि सीटी के मूल आयामों को मास्क में बनाए रखा गया था। क्या सीटी पर मास्क को ठीक से संरेखित करने के लिए स्लाइसर पर्याप्त स्मार्ट है (अर्थात सही मेटा-डेटा का उपयोग कर रहा है)?

मुखौटा मुखौटा बाउंडिंग बॉक्स के आकार की छवि के उप-क्षेत्र के अनुरूप हो सकता है। इसे छवि के समान आयामों की आवश्यकता नहीं है। आयाम मेल खाते हैं या नहीं यह इस बात पर निर्भर करेगा कि आप स्लाइसर में विभाजन कैसे बनाते हैं, और आप इसे कैसे निर्यात करते हैं। यदि आप अधिक विवरण चाहते हैं कि आयामों का मिलान कैसे सुनिश्चित किया जाए, तो हमें बताएं।

त्रुटि पर फिर से देखना (पहली बार मैंने फोन पर देखा), यहां अंतर हैं:

InputImage Origin: [-1.8200000e+02, 1.6933569e+02, -3.0314999e+02], 
InputImage_1 Origin: [-1.8200000e+02, -1.7000000e+02, -3.0314999e+02]
    Tolerance: 6.6406202e-07

InputImage Direction: 1.0000000e+00 0.0000000e+00 0.0000000e+00
0.0000000e+00 -1.0000000e+00 0.0000000e+00
0.0000000e+00 0.0000000e+00 1.0000000e+00
, 

InputImage_1 Direction: 1.0000000e+00 0.0000000e+00 0.0000000e+00
0.0000000e+00 1.0000000e+00 0.0000000e+00
0.0000000e+00 0.0000000e+00 1.0000000e+00

तो आपके पास ऐसी स्थिति है जहां मूल का पूर्ण मूल्य थोड़ा दूर है (और अंतर डिफ़ॉल्ट सहिष्णुता से बड़ा है), लेकिन यह भी कि एक छवि का उन्मुखीकरण दूसरे की तुलना में वाई में फ़्लिप किया जाता है। इसका मतलब है कि आप सहनशीलता को कम करके समस्या का समाधान नहीं कर सकते हैं, और आपको मुखौटा या छवि को फिर से नमूना देना होगा। यह पुन: नमूनाकरण पिक्सेल मानों को परिवर्तित नहीं करना चाहिए, हालांकि यह प्रभावी रूप से एक पुन: उन्मुख ऑपरेशन होगा।

fedorov 24 अप्रैल 2019

@JoostJM फिर से आपकी प्रतिक्रिया के लिए धन्यवाद, बहुत सराहना की।

@fedorov मास्क या छवि को फिर से देखने से इस समस्या का समाधान कैसे होगा कि Y एक रिश्तेदार में दूसरे के सापेक्ष फ़्लिप किया गया है? यह मेरे लिए स्पष्ट नहीं है। मेरी समझ यह थी कि समान आकार/आयाम सुनिश्चित करने के लिए पुन: नमूनाकरण का उपयोग किया गया था।

यदि आप अधिक विवरण चाहते हैं कि आयामों का मिलान कैसे सुनिश्चित किया जाए, तो हमें बताएं।

हां, मुझे आयाम मिलान सुनिश्चित करने के तरीके के बारे में अधिक जानकारी पसंद आएगी। कृपया और धन्यवाद।

वास्तव में, मुझे ऐसी कोई भी जानकारी या संसाधन पसंद आएंगे, जो इनमें से कुछ अवधारणाओं के बारे में मेरी समझ को मजबूत कर सके, जिन पर हमने चर्चा की है (यानी रिक्ति, दिशा, मूल)। स्वाभाविक रूप से, मुझे लगता है कि एक छवि के लिए मूल [x, y, z] [0,0,0] के निर्देशांक हैं, दूसरे शब्दों में, एक छवि सरणी के "कोनों" (दाएं पूर्ववर्ती श्रेष्ठ?) में से एक . क्या लॉग में दिखाए गए मूल मूल्यों की एक ठोस व्याख्या है (जैसे मिलीमीटर या कुछ और)? ये संख्याएँ क्या दर्शाती हैं? मेरी अज्ञानता को क्षमा करें, मैं इमेजिंग/रेडियोमिक्स पर सभी चीजों पर स्वयं-सिखाया जाता हूं, लेकिन मैं इन अवधारणाओं को समझना चाहता हूं बनाम चीजों को काम करने के लिए समाधान लागू करना।

mattwarkentin 24 अप्रैल 2019

@warkentinmatt सभी प्रश्नों के बारे में कोई चिंता नहीं है, यह शुरुआत के लिए एक कठिन वक्र है!

मुखौटा या छवि का पुन: नमूनाकरण इस मुद्दे को कैसे हल करेगा कि वाई एक रिश्तेदार में दूसरे के सापेक्ष फ़्लिप किया गया है?

छवि दिशाएं अनिवार्य रूप से एक परिवर्तन है जो छवि सरणी (आईजेके) की समन्वय प्रणाली को शारीरिक स्थान (एक्सवाईजेड) में घुमाती है।

नीचे एक साधारण 1D उदाहरण में, "सरणी अनुक्रमणिका" आपके 1d सरणी की समन्वय प्रणाली है, और बाएँ-दाएँ 1d दुनिया के भौतिक स्थान में समन्वय प्रणाली है। Image2 में, सरणी में मानों का क्रम भौतिक समन्वय प्रणाली अक्ष की दिशा के विपरीत है, अर्थात, स्वरों की सरणी अलग तरह से उन्मुख है। पुन: नमूनाकरण सरणी आकार, दिशा और मूल द्वारा परिभाषित एक छवि की ज्यामिति लेता है, और संदर्भ ज्यामिति के स्वरों पर किसी अन्य छवि से नमूने मान लेता है।

इसका कोई मतलब भी है क्या?

यदि आप अधिक विवरण चाहते हैं कि 3D स्लाइसर से लेबल निर्यात करते समय आयामों का मिलान कैसे सुनिश्चित करें, तो हमें बताएं।
हां, मुझे आयाम मिलान सुनिश्चित करने के तरीके के बारे में अधिक जानकारी पसंद आएगी। कृपया और धन्यवाद।

नीचे दिए गए स्क्रीनशॉट को देखें कि 3D स्लाइसर से एक सेगमेंट को लेबलमैप में कैसे निर्यात किया जाए (जो प्रभावी रूप से एक बाइनरी इमेज है)। ध्यान दें कि यदि आप इस प्रक्रिया का पालन करते हैं, तो भी यह असंभव नहीं है कि आप अभी भी ज्यामिति बेमेल प्राप्त करेंगे, क्योंकि डिफ़ॉल्ट सहिष्णुता मान बहुत कठोर हैं। लेकिन छवि सरणी का उन्मुखीकरण समान होना चाहिए।

वास्तव में, मुझे ऐसी कोई भी जानकारी या संसाधन पसंद आएंगे, जो इनमें से कुछ अवधारणाओं के बारे में मेरी समझ को मजबूत कर सके, जिन पर हमने चर्चा की है (यानी रिक्ति, दिशा, मूल)। स्वाभाविक रूप से, मुझे लगता है कि एक छवि के लिए मूल [x, y, z] [0,0,0] के निर्देशांक हैं, दूसरे शब्दों में, एक छवि सरणी के "कोनों" (दाएं पूर्ववर्ती श्रेष्ठ?) में से एक . क्या लॉग में दिखाए गए मूल मूल्यों की एक ठोस व्याख्या है (जैसे मिलीमीटर या कुछ और)? ये संख्याएँ क्या दर्शाती हैं? मेरी अज्ञानता को क्षमा करें, मैं इमेजिंग/रेडियोमिक्स पर सभी चीजों पर स्वयं-सिखाया जाता हूं, लेकिन मैं इन अवधारणाओं को समझना चाहता हूं बनाम चीजों को काम करने के लिए समाधान लागू करना।

यहां कुछ संसाधन दिए गए हैं जो उपयोगी हो सकते हैं:

आईटीके गाइड: https://itk.org/ItkSoftwareGuide.pdf (विशेष रूप से, छवि अध्याय 4 है) - यह किताब है (बल्कि, यह इसका एक नया संस्करण है) जिसने मुझे मेडिकल इमेजिंग के साथ शुरू करने में बहुत मदद की
https://www.slicer.org/wiki/Coordinate_systems (और नीचे दिए गए संदर्भ)
https://nipy.org/nibabel/dicom/dicom_orientation.html

उम्मीद है की यह मदद करेगा!

fedorov 24 अप्रैल 2019

@fedorov इन अवधारणाओं को समझाने के लिए समय निकालने के लिए बहुत-बहुत धन्यवाद, यह बहुत मददगार था। यह बहुत अधिक समझ में आता है, और मैं आपके धैर्य की सराहना करता हूं।

तो मुझे ऐसा लगता है कि दो खंडों के बीच ज्यामितीय संरेखण सुनिश्चित करने के लिए पुन: नमूनाकरण में दो महत्वपूर्ण लेकिन विशिष्ट भूमिकाएं हैं:

1) सबसे पहले, यदि आवश्यक हो, तो छोटी मात्रा को तब तक पैड करें जब तक कि वह संदर्भ मात्रा के समान आकार/आयामीता से मेल न खाए, निकटतम पड़ोसियों की तरह कुछ का उपयोग कर।

2) फिर, एक बार आकार देने के बाद, स्वरों के नमूने के लिए मूल, दिशा और रिक्ति जानकारी का उपयोग करें जैसे कि यह सुनिश्चित करता है कि दो खंड जो शारीरिक/भौतिक संरेखण में हैं, उन्हें भी उसी तरह अनुक्रमित किया जाता है (यानी सरणी अनुक्रमणिका संरेखण )

क्या यह पुन: नमूनाकरण की भूमिका का एक उचित सारांश होगा?

साथ ही, इन संसाधनों को साझा करने के लिए धन्यवाद, मैं अपनी समझ को मजबूत करने के लिए उनके माध्यम से काम करने की आशा करता हूं।

mattwarkentin 26 अप्रैल 2019

@warkentinmatt , लगभग। चरण 1 और 2 एक साथ होते हैं। क्या होता है कि आप भौतिक स्थान में बिंदुओं के ग्रिड को परिभाषित करते हैं और फिर उन बिंदुओं पर अपनी छवि का नमूना लेते हैं। यदि नए ग्रिडपॉइंट मौजूदा ग्रिड बिंदुओं के साथ सटीक रूप से मेल नहीं खाते हैं, तो छवि के आसपास (मूल) बिंदुओं (पिक्सेल) के आधार पर इंटरपोलेशन एल्गोरिदम का उपयोग करके नए मानों की गणना की जाती है।

आप आईबीएसआई दस्तावेज़, इंटरपोलेशन पर अनुभाग में एक विस्तृत स्पष्टीकरण भी पा सकते हैं। इसमें रेज़मैपलिंग ग्रिड को दर्शाने वाली एक

JoostJM 29 अप्रैल 2019

👍1

@fedorov @JoostJM मुझे पता है कि यह मुद्दा बंद हो गया है, और मैं आप दोनों द्वारा प्रदान की गई सभी सहायता की गहराई से सराहना करता हूं। मैं बस अपनी समझ को स्पष्ट करने के लिए वापस चक्कर लगाना चाहता था। आपके द्वारा प्रदान किए गए संसाधनों के माध्यम से एक टन पढ़ने के बाद, और कुछ उपयोगी वीडियो देखने के बाद, मैं इन अवधारणाओं के साथ अधिक सहज हूं।

तो उदाहरण में जिसने इस मुद्दे को जन्म दिया, चूंकि मुखौटा उसी छवि से लिया गया था जिसका उपयोग फीचर निष्कर्षण के लिए किया जा रहा था, अंतर वही था। दूसरे शब्दों में, मास्क या छवि के लिए किसी भी x, y, z दिशाओं में स्वर स्थान में एक-इकाई परिवर्तन समान भौतिक परिवर्तन व्याख्या करता है। उन मामलों में जहां एक मुखौटा और छवि के बीच की दूरी समान है, "अंतराल को भरने" के लिए प्रक्षेप की आवश्यकता नहीं होगी, सही है? तो मुखौटा को फिर से आकार देना वॉल्यूम की दोनों आयामीता के संबंध में छवि के साथ एक ज्यामितीय मिलान सुनिश्चित करेगा, साथ ही यह सुनिश्चित करेगा कि भौतिक संरेखण में दोनों वॉल्यूम भी उसी तरह सरणी-अनुक्रमित हैं (दिशा और उत्पत्ति के संबंध में) ) क्या मुझे यह अंत में सही मिला है?

यदि दो खंडों के बीच रिक्ति समान नहीं थी, तो आपको ज्यामितीय संरेखण में दो खंड प्राप्त करने के लिए स्वरों को प्रक्षेपित करने की आवश्यकता होगी। उदाहरण के लिए, यदि छवि रिक्ति [1 मिमी, 1 मिमी, 1 मिमी] थी और मुखौटा [2 मिमी, 2 मिमी, 2 मिमी] था, तो आपको भौतिक रिक्ति में "अंतराल को भरने" के लिए मास्क में स्वरों को प्रक्षेपित करने की आवश्यकता होगी।

आपके सहयोग के लिए पुन: धन्यवाद। इससे सारा फर्क पड़ा है।

mattwarkentin 17 मई 2019

@warkentinmatt हाँ, यह समझ में आता है, मुझे लगता है कि आपको यह सही लगा!

पुन: नमूनाकरण से संबंधित एक अन्य उपयोगी संसाधन यह पृष्ठ है: https://www.slicer.org/wiki/Registration :Resampling

fedorov 17 मई 2019

👍1

@ फेडोरोव ग्रेट। आपके सहयोग के लिए पुन: धन्यवाद।

यह समय या स्थान नहीं हो सकता है, लेकिन यह मेरी समझ है कि आप बोस्टन से बाहर हैं। वर्तमान में, मैं टोरंटो में पीएचडी उम्मीदवार हूं, लेकिन मैं बोस्टन जा रहा हूं, एचएसपीएच में बायोस्टैटिस्टिक्स विभाग में एक शोध फेलोशिप के लिए दो सप्ताह है। मैं व्यक्तिगत रूप से जुड़ना पसंद करूंगा और शायद इनमें से कुछ बातचीत जारी रखूंगा, यदि आप बिल्कुल रुचि रखते हैं और आपके पास समय है। किसी भी तरह से, आपकी मदद की बहुत सराहना की गई है।

mattwarkentin 17 मई 2019

निश्चित रूप से, आप पाइराडियोमिक्स का उपयोग कैसे करते हैं, इसके बारे में और जानने के लिए खुश हैं! बस मुझे ईमेल भेजें (यह मेरे जीथब प्रोफाइल पर सार्वजनिक है), और हम कॉफी के लिए मिल सकते हैं।

fedorov 23 मई 2019

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Pyradiomics: जब एक ही DICOM श्रृंखला से मुखौटा और छवि प्राप्त की जाती है तो ज्यामिति बेमेल क्यों होती है?

सभी 13 टिप्पणियाँ

संबंधित मुद्दों