Pyradiomics: Почему может возникнуть несоответствие геометрии, если маска и изображение получены из одной и той же серии DICOM?

Это связано с тем, что допуск по умолчанию слишком строгий. Проще всего включить ресемплинг.

@warkentinmatt Это также можно исправить, включив correctMask . Это позволяет выполнять повторную выборку маски (ближайшего соседа) без повторной выборки изображения. Единственное требование - физическое пространство маски должно находиться внутри изображения.

Я подозреваю, что произошло то, что ваша маска имеет тот же интервал / направление, что и изображение, но размер и исходная точка отличаются, так как Slicer теперь сохраняет маску, обрезая область и соответствующим образом корректируя исходную точку. Это экономит память, но требует, чтобы вы сказали PyRadiomics, что можно пересчитывать маски (что в этом последнем случае равно простому заполнению до тех пор, пока оно не будет соответствовать размеру изображения).

PyRadiomics не исправляет маску по умолчанию, поскольку это служит предупреждением о дополнительном шаге, выполняемом PyRadiomics.

Спасибо вам обоим за ваши ответы.

@JoostJM Итак, чтобы я понял ваши комментарии, когда Slicer экспортирует / сохраняет карту меток NRRD, он обрезает размер до степени ROI? Не сохраняет исходную размерность входного объема? Когда я очищаю сцену в слайсере, повторно импортирую серию DICOM, а затем загружаю маску NRRD, маска накладывается на КТ в правильном анатомическом месте. На мой взгляд, это означает, что исходные размеры КТ были сохранены в маске. Достаточно ли умен Slicer (т.е. использует правильные метаданные), чтобы правильно выровнять маску на CT?

Кроме того, я четко понимаю, что достигается с помощью повторной выборки двоичной маски: я понимаю, что если область интереса расположена в центре изображения (таким образом, центр массива содержит несколько сотен / тысяч единиц), эта повторная выборка Ближайшие соседи маски на границе объема по существу заполняют маску нулями? Это правильная интерпретация?

Спасибо за помощь.

Итак, чтобы я понял ваши комментарии, когда Slicer экспортирует / сохраняет карту меток NRRD, он обрезает размер до степени ROI?

Да, это возможно, потому что файлы Nrrd также содержат источник, то есть физическое расположение первого воксела.
Nrrd также содержит информацию о направлении и интервале, позволяя вам перекрывать даже сегменты, сделанные на изображениях с разными размерами пикселей или даже на тех, которые повернуты.
Это также причина того, что массивы numpy не принимаются в качестве входных данных для PyRadiomics, поскольку они не содержат этой геометрической информации.

Кроме того, я четко понимаю, что достигается с помощью повторной выборки двоичной маски: я понимаю, что если область интереса расположена в центре изображения (таким образом, центр массива содержит несколько сотен / тысяч единиц), эта повторная выборка Ближайшие соседи маски на границе объема по существу заполняют маску нулями? Это правильная интерпретация?

Верный

Когда я очищаю сцену в слайсере, повторно импортирую серию DICOM, а затем загружаю маску NRRD, маска накладывается на КТ в правильном анатомическом месте. На мой взгляд, это означает, что исходные размеры КТ были сохранены в маске. Достаточно ли умен Slicer (т.е. использует правильные метаданные), чтобы правильно выровнять маску на CT?

Маска может соответствовать подобласти изображения размером с ограничивающую рамку маски. Он не обязательно должен иметь такие же размеры, как изображение. Соответствие размеров будет зависеть от того, как вы создаете сегментацию в Slicer и как вы ее экспортируете. Если вы хотите получить более подробную информацию о том, как обеспечить соответствие размеров, сообщите нам.

Еще раз взглянув на ошибку (в первый раз я просто взглянул на телефон), вот отличия:

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

Таким образом, у вас есть ситуация, когда абсолютное значение начала координат немного отличается (и разница больше, чем допуск по умолчанию), но также и ориентация одного изображения перевернута по оси Y по сравнению с другим. Это означает, что вы не можете решить проблему, уменьшив допуск, и вам потребуется передискретизировать либо маску, либо изображение. Эта передискретизация не должна изменять значения пикселей, это фактически будет операция переориентации.

@JoostJM Еще раз спасибо за ваш ответ, очень признателен.

@fedorov Как передискретизация маски или изображения решит проблему,

Если вы хотите получить более подробную информацию о том, как обеспечить соответствие размеров, сообщите нам.

Да, мне бы хотелось получить дополнительную информацию о том, как обеспечить соответствие размеров. Пожалуйста и спасибо вам.

Фактически, я хотел бы получить любую информацию или ресурсы, которые могли бы улучшить мое понимание некоторых из этих концепций, которые мы обсуждали (например, интервал, направление, происхождение). Наивно, я мог бы подумать, что источником изображения являются координаты [x, y, z] точки [0,0,0], другими словами, один из «углов» (правый передний верхний?) Массива изображений . Имеют ли значения происхождения, показанные в журнале, ощутимую интерпретацию (например, миллиметры или что-то в этом роде)? Что означают эти числа? Простите мое невежество, я самоучка по всем вопросам визуализации / радиомики, но я действительно хочу понять эти концепции, а не просто внедрять решения, чтобы все работало.

@warkentinmatt не беспокойтесь обо всех вопросах, это крутой поворот для новичка!

Как передискретизация маски или изображения решит проблему, когда Y переворачивается одна относительно другой?

Направление изображения - это, по сути, преобразование, которое поворачивает систему координат массива изображений (IJK) в анатомическое пространство (XYZ).

В приведенном ниже простом одномерном примере «индекс массива» - это система координат вашего одномерного массива, а левый-правый - это система координат в физическом пространстве одномерного мира. В Image2 порядок значений в массиве противоположен направлению оси физической системы координат, т. Е. Массив вокселей ориентирован иначе. При повторной выборке используется геометрия изображения, определяемая размером массива, направлением и исходной точкой, и производится выборка значений из другого изображения в вокселях эталонной геометрии.

Имеет ли это смысл?

Если вы хотите получить более подробную информацию о том, как обеспечить соответствие размеров при экспорте этикетки из 3D Slicer, сообщите нам об этом.
Да, мне бы хотелось получить дополнительную информацию о том, как обеспечить соответствие размеров. Пожалуйста и спасибо вам.

На снимке экрана ниже показано, как экспортировать сегмент из 3D-слайсера в карту меток (которая фактически является двоичным изображением). Обратите внимание, что даже если вы выполните эту процедуру, не исключено, что вы все равно получите несоответствие геометрии, поскольку значения допусков по умолчанию слишком жесткие. Но ориентация массива изображений должна быть такой же.

Фактически, я хотел бы получить любую информацию или ресурсы, которые могли бы улучшить мое понимание некоторых из этих концепций, которые мы обсуждали (например, интервал, направление, происхождение). Наивно, я мог бы подумать, что источником изображения являются координаты [x, y, z] точки [0,0,0], другими словами, один из «углов» (правый передний верхний?) Массива изображений . Имеют ли значения происхождения, показанные в журнале, ощутимую интерпретацию (например, миллиметры или что-то в этом роде)? Что означают эти числа? Простите мое невежество, я самоучка по всем вопросам визуализации / радиомики, но я действительно хочу понять эти концепции, а не просто внедрять решения, чтобы все работало.

Вот несколько ресурсов, которые могут быть полезны:

• Руководство ITK: https://itk.org/ItkSoftwareGuide.pdf (в частности, изображение - это глава 4) - это книга (скорее, это более новая редакция), которая мне очень помогла, когда я начал заниматься медицинской визуализацией.
• https://www.slicer.org/wiki/Coordinate_systems (и ссылки внизу)
• https://nipy.org/nibabel/dicom/dicom_orientation.html

Надеюсь это поможет!

@fedorov Большое спасибо за то, что

Мне кажется, что передискретизация выполняет две важные, но разные роли для обеспечения геометрического выравнивания двух объемов:

1) Сначала, если необходимо, заполните меньший том до тех пор, пока он не будет соответствовать размеру / размерности эталонного тома, используя что-то вроде ближайших соседей.

2) Затем, когда размер согласован, используйте информацию об источнике, направлении и интервале для выборки вокселов, чтобы гарантировать, что два объема, которые находятся в анатомическом / физическом выравнивании, также индексируются таким же образом (т. Е. Выравнивание индекса массива ).

Будет ли это справедливым описанием роли повторной выборки?

Кроме того, спасибо за то, что поделились этими ресурсами, я с нетерпением жду возможности работать с ними, чтобы углубить свое понимание.

@warkentinmatt , почти. Шаги 1 и 2 выполняются одновременно. Что происходит, так это то, что вы определяете сетку точек в физическом пространстве, а затем делаете выборку своего изображения в этих точках. Если новые точки сетки не совпадают в точности с существующими точками сетки, новые значения вычисляются с использованием алгоритма интерполяции на основе окружающих (исходных) точек (пикселей) изображения.

Вы также можете найти подробное объяснение в документации IBSI, раздел по интерполяции . Он также содержит изображение, иллюстрирующее сетку передискретизации.

@fedorov @JoostJM Я знаю, что эта проблема закрыта, и глубоко признателен за всю вашу помощь. Я просто хотел вернуться, чтобы прояснить мое понимание. После тонны прочтения ресурсов, которые каждый из вас предоставил, и просмотра нескольких полезных видео, мне стало намного удобнее с этими концепциями.

Итак, в примере, который породил эту проблему, поскольку маска была получена из того же изображения, которое использовалось для извлечения признаков, интервал был таким же. Другими словами, изменение местоположения вокселя на одну единицу в любом из направлений x, y, z либо для маски, либо для изображения несет ту же интерпретацию физического изменения. В случаях, когда интервал между маской и изображением одинаковый, интерполяция не нужна, чтобы «заполнить пробелы», верно? Таким образом, повторная выборка маски просто обеспечит геометрическое совпадение с изображением как в отношении размерности объема, так и в том, что оба объема, которые находятся в физическом выравнивании, также будут индексированы массивом одинаковым образом (относительно направления и исходной точки). ). Я наконец понял это правильно?

Если бы интервалы между двумя объемами не были одинаковыми, вам нужно было бы интерполировать вокселы, чтобы получить два объема с геометрическим выравниванием. Например, если интервал между изображениями составлял [1 мм, 1 мм, 1 мм], а маска была [2 мм, 2 мм, 2 мм], вам нужно будет интерполировать вокселы в маске, чтобы «заполнить пробелы» в физическом интервале.

Еще раз спасибо за вашу помощь. Все изменилось.

@warkentinmatt да, в этом есть смысл, я думаю, вы все правильно поняли!

Еще один полезный ресурс, связанный с повторной выборкой, - это эта страница: https://www.slicer.org/wiki/Registration : Resampling

@fedorov Отлично. Еще раз спасибо за вашу помощь.

Возможно, сейчас не время и не место, но, насколько я понимаю, вы находитесь за пределами Бостона. В настоящее время я докторант в Торонто, но переезжаю в Бостон на две недели для исследовательской стажировки в Департаменте биостатистики HSPH. Я бы с удовольствием пообщался лично и, возможно, продолжил бы некоторые из этих разговоров, если бы вам было интересно и у вас было время. В любом случае, ваша помощь очень ценится.

Конечно, мы рады подключиться и узнать больше о том, как вы используете пирадиомику! Просто отправьте мне электронное письмо (оно открыто в моем профиле на github), и мы встретимся за чашкой кофе.