基于pyradiomics影像组学特征提取

特征提取：

在这里，我们使用pyradiomics来提取影像组学特征。首先，我们先介绍pyradiomica工具包，然后我们进行特征的提取。

1 pyradiomics的使用：

PyRadiomics的官方文档:https://pyradiomics.readthedocs.io/en/latest/

1.1，在python环境下安装pyradiomics:

pip install pyradiomics

1.2,设置特征提取器，获得想要特征：

通过自定义特征提取器，可以根据自己的需求来设置并提取特征。
其实，需要设置两个方面：1，图像类型；2，所要提取的特征；3，提取器设置

1.2.1 图像类型

第一步：图像类型：首先，设置提取特征的图像类型，可以指定用于提取特征的图像类型。在pyradiomics包中为我们提供了许多可以使用的滤波器，所以我们可以使用原始图像及经过各种滤波器之后的图像，如下方表格。
具体可以参考官方：https://pyradiomics.readthedocs.io/en/latest/customization.html#image-types

如何使用：
指定方式：设置特征提取器后可以在下边指定
可以直接使用：enableAllImageTypes() 启用所有类型
也可以使用：enableImageTypeByName( imageType , enabled=True , customArgs=None )启用你想用的类型
如：

# 所有类型
extractor.enableAllFeatures()
# 指定使用LoG和Wavelet滤波器
extractor.enableImageTypeByName('LoG')
extractor.enableImageTypeByName('Wavelet')

1.2.2 目标特征设置

第二步：目标特征设置：
pyradiomics包也为我们提供了很多种可选的特征，如下表格所示：
具体可参考资料：https://pyradiomics.readthedocs.io/en/latest/features.html
这些特征主要包含：

• 一阶特征 First Order Statistics (19 features)
• 3D形状特征 Shape-based (3D) (16 features)
• 2D形状特征 Shape-based (2D) (10 features)
• 灰度级共生矩阵 Gray Level Co-occurrence Matrix (24 features)
• 灰度级游程矩阵 Gray Level Run Length Matrix (16 features)
• 灰度大小区域矩阵 Gray Level Size Zone Matrix (16 features)
• 相邻灰度色调差异矩阵 Neighbouring Gray Tone Difference Matrix (5 features)
• 灰度依赖矩阵 Gray Level Dependence Matrix (14 features)

下面展示一阶特征及其解释，更多的可以参考官方文档。