【影像组学pyradiomics教程】(七)影像组学特征_pyradiomics elongation-程序员宅基地

技术标签: 影像组学  python  pyradiomics  影像组学pyradiomics教程  

本系列博客后续将更新于个人微信公众号,欢迎关注。

特征类别 特征名

形状特征

(14个)
  1. Mesh Volume(网格体积)
  2. Voxel Volume(体素体积)
  3. Surface Area(表面积)
  4. Surface Area to Volume ratio(表面积体积比)
  5. Sphericity(球度)
  6. Maximum 3D diameter(最大3D直径)
  7. Maximum 2D diameter (Slice)(最大2D直径(切片))
  8. Maximum 2D diameter (Column)(最大2D直径(列))
  9. Maximum 2D diameter (Row)(最大2D直径(行))
  10. Major Axis Length(最大轴长度)
  11. Minor Axis Length(第二大轴长度)
  12. Least Axis Length(最短轴长度)
  13. Elongation(伸长率)
  14. Flatness(平面度)

一阶特征

(18个)
  1. Energy(能量)
  2. Total Energy(总能量)
  3. Entropy(熵)
  4. Minimum(最小值)
  5. 10th percentile(第十百分位)
  6. 90th percentile(第九十百分位)
  7. Maximum(最大值)
  8. Mean(均值)
  9. Median(中值)
  10. Interquartile Range(四分位范围)
  11. Range(极差)
  12. Mean Absolute Deviation (MAD)(平均绝对偏差)
  13. Robust Mean Absolute Deviation(rMAD,鲁棒平均绝对偏差)
  14. Root Mean Squared(RMS,均方根)
  15. Skewness(偏度)
  16. Kurtosis(峰度)
  17. Variance(方差)
  18. Uniformity(均匀性)

灰度共生矩阵特征

(24个)
  1. Autocorrelation(自相关)
  2. Joint Average(联合平均)
  3. Cluster Prominence(集群突出)
  4. Cluster Shade(集群阴影)
  5. Cluster Tendency(集群趋势)
  6. Contrast(对比度)
  7. Correlation(相关性)
  8. Difference Average(差平均)
  9. Difference Entropy(差熵)
  10. Difference Variance(差方差)
  11. Joint Energy(联合能量)
  12. Joint Entropy(联合熵)
  13. Informational Measure of Correlation 1(IMC 1,相关信息测度1)
  14. Informational Measure of Correlation 2(IMC 2,相关信息测度2)
  15. Inverse Difference Moment(IDM,逆差矩)
  16. Maximal Correlation Coefficient(MCC,最大相关系数)
  17. Inverse Difference Moment Normalized(IDMN,归一化逆差矩)
  18. Inverse Difference(ID,逆差)
  19. Inverse Difference Normalized(IDN,归一化逆差)
  20. Inverse Variance(逆方差)
  21. Maximum Probability(最大概率)
  22. Sum Average(和平均)
  23. Sum Entropy(和熵)
  24. Sum of Squares(和方差)

灰度区域大小矩阵特征

(16个)
  1. Small Area Emphasis(SAE,小面积强调)
  2. Large Area Emphasis(LAE,大面积强调)
  3. Gray Level Non-Uniformity(GLN,灰度不均匀性)
  4. Gray Level Non-Uniformity Normalized(GLNN,归一化灰度不均匀性)
  5. Size-Zone Non-Uniformity(SZN,区域大小不均匀性)
  6. Size-Zone Non-Uniformity Normalized(SZNN,归一化区域大小不均匀性)
  7. Zone Percentage(ZP,区域百分比)
  8. Gray Level Variance(GLV,灰度方差)
  9. Zone Variance(ZV,区域方差)
  10. Zone Entropy(ZE,区域熵)
  11. Low Gray Level Zone Emphasis(LGLZE,低灰度区域强调)
  12. High Gray Level Zone Emphasis(HGLZE,高灰度区域强调)
  13. Small Area Low Gray Level Emphasis(SALGLE,小区域低灰度强调)
  14. Small Area High Gray Level Emphasis(SAHGLE,小区域高灰度强调)
  15. Large Area Low Gray Level Emphasis(LALGLE,大区域低灰度强调)
  16. Large Area High Gray Level Emphasis(LAHGLE,大区域高灰度强调)

灰度行程矩阵特征

(16个)
  1. Short Run Emphasis(SRE,短行程强调)
  2. Long Run Emphasis(LRE,长行程强调)
  3. Gray Level Non-Uniformity(GLN,灰度不均匀性)
  4. Gray Level Non-Uniformity Normalized(GLNN,归一化灰度不均匀性)
  5. Run Length Non-Uniformity(RLN,行程不均匀性)
  6. Run Length Non-Uniformity Normalized(RLNN,归一化行程不均匀性)
  7. Run Percentage(RP,行程百分比)
  8. Gray Level Variance(GLV,灰度方差)
  9. Run Variance(RV,行程方差)
  10. Run Entropy(RE,行程熵)
  11. Low Gray Level Run Emphasis(LGLRE,低灰度行程强调)
  12. High Gray Level Run Emphasis(HGLRE,高灰度行程强调)
  13. Short Run Low Gray Level Emphasis(SRLGLE,短行程低灰度强调)
  14. Short Run High Gray Level Emphasis(SRHGLE,短行程高灰度强调)
  15. Long Run Low Gray Level Emphasis(LRLGLE,长行程低灰度强调)
  16. Long Run High Gray Level Emphasis(LRHGLE,长行程高灰度强调)

邻域灰度差矩阵特征

(5个)
  1. Coarseness(粗糙度)
  2. Contrast(对比度)
  3. Busyness(繁忙度)
  4. Complexity(复杂度)
  5. Strength(强度)

灰度相关矩阵

(14个)
  1. Small Dependence Emphasis(SDE,小依赖强调)
  2. Large Dependence Emphasis(LDE,大依赖强调)
  3. Gray Level Non-Uniformity(GLN,灰度不均匀性)
  4. Dependence Non-Uniformity(DN,依赖不均匀性)
  5. Dependence Non-Uniformity Normalized(DNN,归一化依赖不均匀性)
  6. Gray Level Variance(GLV,灰度方差)
  7. Dependence Variance(DV,依赖方差)
  8. Dependence Entropy(DE,依赖熵)
  9. Low Gray Level Emphasis(LGLE,低灰度强调)
  10. High Gray Level Emphasis(HGLE,高灰度强调)
  11. Small Dependence Low Gray Level Emphasis(SDLGLE,小依赖低灰度强调)
  12. Small Dependence High Gray Level Emphasis(SDHGLE,小依赖高灰度强调)
  13. Large Dependence Low Gray Level Emphasis(LDLGLE,大依赖低灰度强调)
  14. Large Dependence High Gray Level Emphasis(LDHGLE,大依赖高灰度强调)

小波特征

(744个)
待补充

 

每个类别具体的影像组学特征可参照https://pyradiomics.readthedocs.io/en/latest/features.html

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/JianJuly/article/details/79118753

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出(备份)、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作  导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释:   cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民,未受过软件工程师的教育(第1部分)-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割(5种方法)_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路:从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf

推荐文章

热门文章

相关标签