pyradiomics v3.0.1

构建状态

Linux	苹果系统	视窗

Python中的放射组学特征提取

这是一个开源 python 包，用于从医学成像中提取 Radiomics 特征。

通过这个软件包，我们的目标是建立放射组学分析的参考标准，并提供一个经过测试和维护的开源平台，以便轻松和可重复地提取放射组学特征。通过这样做，我们希望提高对放射能力的认识并扩大社区。

该平台支持 2D 和 3D 中的特征提取，并可用于计算感兴趣区域的每个特征的单个值（“基于片段”）或生成特征图（“基于体素”）。

不适合临床使用。

如果您发布使用此软件包的任何作品，请引用以下出版物： van Griethuysen, JJM, Fedorov, A., Parmar, C., Hosny, A., Aucoin, N., Narayan, V., Beets-Tan, RGH, Fillion-Robin, JC, Pieper, S., Aerts, HJWL (2017)。用于解码射线照相表型的计算放射组学系统。癌症研究，77（21），e104-e107。https://doi.org/10.1158/0008-5472.CAN-17-0339

加入社区！

在此处加入 Google 群组上的 PyRadiomics 社区。

要素类

目前支持以下要素类：

• 一阶统计
• 基于形状（2D 和 3D）
• 灰度共生矩阵 (GLCM)
• 灰度游程矩阵 (GLRLM)
• 灰度级大小区域矩阵 (GLSZM)
• 灰度依赖矩阵 (GLDM)
• 相邻灰度差矩阵 (NGTDM)

过滤器类

除了要素类之外，还有一些内置的可选过滤器：

• 高斯拉普拉斯算子（LoG，基于 SimpleITK 功能）
• 小波（使用 PyWavelets 包）
• 正方形
• 平方根
• 对数
• 指数的
• 梯度（幅度）
• 局部二进制模式 (LBP) 2D / 3D

支持可重复提取

除了计算特征外，pyradiomics 包还包括输出中的出处信息。此信息包含有关使用的图像和蒙版的信息，以及应用的设置和过滤器，从而实现完全可重现的特征提取。

文档

有关更多信息，请参阅此处提供的 sphinx 生成的文档。

或者，您可以通过签出 master 分支并从根目录运行来生成文档：

python setup.py build_sphinx

然后可以通过打开浏览器在浏览器中查看文档PACKAGE_ROOT\build\sphinx\html\index.html。

此外，此处还提供了说明视频。

安装

PyRadiomics 独立于操作系统并且与 Python >= 3.5 兼容。PyPi 和 Conda 上提供了预构建的二进制文件。要安装 PyRadiomics，请确保已安装并运行 python：

`python -m pip install pyradiomics`

文档中提供了详细的安装说明以及从源代码构建 PyRadiomics 的 说明。

码头工人

PyRadiomics 也支持Dockers。目前，有 2 个 docker 可用：

第一个是Jupyter 笔记本，预装了 PyRadiomics 和示例笔记本。

获取 Docker：

docker pull radiomics/pyradiomics:latest

radiomics/notebookDocker 有一个暴露的卷 ( ) /data，可以映射到主机系统目录。例如挂载当前目录：

docker run --rm -it --publish 8888:8888 -v `pwd`:/data radiomics/notebook

或者对于不太安全的笔记本，跳过随机生成的令牌

docker run --rm -it --publish 8888:8888 -v `pwd`:/data radiomics/notebook start-notebook.sh --NotebookApp.token=''

并在http://localhost:8888/打开本地网页，当前目录位于http://localhost:8888/tree/data。

第二个是暴露 PyRadiomics CLI 接口的 docker。要获取 CLI-Docker：

docker pull radiomics/pyradiomics:CLI

然后，您可以按如下方式使用 PyRadiomics CLI：

docker run radiomics/pyradiomics:CLI --help

有关使用 docker 的更多信息，请参见 此处

用法

PyRadiomics 可以通过该featureextractor 模块轻松地在 Python 脚本中使用。此外，PyRadiomics 提供了一个命令行脚本，pyradiomics用于单个图像提取和批处理。最后，提供了一个方便的前端界面作为 3D Slicer 的“Radiomics”扩展，可在此处获得。

pyradiomics 中使用的第 3 方软件包：

• SimpleITK（图像加载和预处理）
• numpy（特征计算）
• PyWavelets（小波滤波器）
• pykwalify（启用 yaml 参数文件检查）
• 六（Python 3 兼容性）
• scipy（仅适用于 LBP 过滤器，单独安装以启用此过滤器）
• scikit-image（仅用于 LBP 过滤器，单独安装以启用此过滤器）
• trimesh（仅适用于 LBP 过滤器，单独安装以启用此过滤器）

另请参阅需求文件。

3D切片机

PyRadiomics 也可作为3D Slicer的扩展。下载并安装 3D 切片器nightly build，然后可以在“SlicerRadiomics”下的扩展管理器中使用该扩展。

执照

这个包包含在开源3-clause BSD License中。

开发者

• 约斯特·范·格里图森^1,3,4
• 安德烈·费多罗夫²
• 妮可奥金²
• 让-克里斯托夫·菲利安-罗宾⁵
• 艾哈迈德·霍斯尼¹
• 史蒂夫·皮珀⁶
• 雨果·艾茨 (PI) ^1,2

¹哈佛医学院布莱根妇女医院 Dana-Farber 癌症研究所放射肿瘤科，马萨诸塞州波士顿， ²哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿， ³荷兰放射科研究所，荷兰阿姆斯特丹， ⁴ GROW-School for Oncology and Developmental Biology，马斯特里赫特大学医学中心，荷兰马斯特里赫特， ⁵ Kitware， ⁶ Isomics

接触

我们很乐意帮助您解决任何问题。请在 3D Slicer Discourse 的 Radiomics 社区部分联系我们。

我们欢迎对 PyRadiomics 的贡献。请阅读有关如何为 PyRadiomics 做出贡献的贡献指南。

这项工作部分得到了美国国家癌症研究所赠款 5U24CA194354、解码肿瘤表型的定量放射组学系统的支持。