医学影像组学特征值（RadiomicsFeatures）提取之Pyradiomics（二）。。。

Pyradiomics（⼆）。。

本⽂介绍Pyradiomics的使⽤⽅法，和安装时遇到的坑。上⼀篇⽂章（医学影像组学特征值（Radiomics Features）提取之Pyradiomics（⼀）理论篇）介绍了Pyradiomics⽀持的图像类型和组学特征类型，将医学图像和Mask⽤作PyRadiomics的输⼊，对原图和经过滤波的派⽣图像进⾏影像组学特征提取，之后可以对组学特征进⾏进⼀步分析。

1 安装过程

安装Radiomics有两种⽅法，第⼀种是直接pip install radiomics，会⽣成⼀个radiomics包，在上⼀篇⽂章介绍的；

第⼆种是采⽤官⽅链接安装Pyradiomics，下⾯详细给⼀下安装步骤，为了避开之前采⽤第⼀种⽅法安装但实际想⽤第⼆个radiomics包导致的坑，我们重新建⼀个conda环境，pyradiomic是python编写的程序，运⾏需要环境⽀持。所以在这之前需要安装anaconda。

⾸先查看conda存在的环境：

conda env list

创建我们需要的新环境：

conda create -n Radiomics python=3.7

进⼊Radiomics环境：

source activate Radiomics

下载Pyradiomics安装包

git clone git://github.com/Radiomics/pyradiomics

进⼊Pyradiomics路径下

cd pyradiomics

安装Pyradiomics的依赖包

python -m pip install -r requirements.txt

安装Pyradiomics

python setup.py install

安装完之后，在命令⾏进⼊python环境中进⾏测试

发现有问题，我们就按照报错提⽰的进⾏处理，可以发现这样就没问题了，可以正常import和使⽤了。

我们可以查看⼀下这个radiomics包所在的位置

这⾥补充⼀下两种⽅法使⽤时的区别，如果之前已经⽤第⼀种⽅法安装了radiomics包，那在⽤第⼆种⽅法再安装之后，python环境默认⾸先使⽤第⼀种⽅法，这⾥有⼀些不兼容的地⽅，如：

from radiomics import featureextractor

featureextractor.RadiomicsFeatureExtractor

会出现下⾯的报错

我们发现在第⼀个包的安装⽬录下radiomics的featureextractor下⾯确实没有RadiomicsFeatureExtractor，⽽是存在RadiomicsFeaturesExtractor，但是在第⼆个包的安装⽬录下是存在RadiomicsFeatureExtractor的，两者有些函数命名是不太⼀样的。

2 使⽤⽅法

⾸先导⼊必要的包

import SimpleITK as sitk

import radiomics

from radiomics import featureextractor

导⼊输⼊的CT数据imageName, maskName = path_to_img, path_to_mask

print('imageName, maskName', imageName, maskName)

if imageName is None or maskName is None: # Something went wrong, in this case PyRadiomics will also log an error

print('Error getting testcase!')

exit()

⼀些设置⽂件

# Define settings for signature calculation

# These are currently set equal to the respective default values

settings = {}

settings['binWidth'] = 25

settings['resampledPixelSpacing'] = None # [3,3,3] is an example for defining resampling (voxels with size 3x3x3mm)

settings['interpolator'] = sitk.sitkBSpline

初始化feature extractor

# Initialize feature extractor

extractor = featureextractor.RadiomicsFeatureExtractor(**settings)

设置图像类型，如原始图像，LoG、Wavelet等派⽣图像，默认情况下只使⽤原始图像

# By default, only original is enabled. Optionally enable some image types:

# extractor.enableImageTypes(Original={}, LoG={}, Wavelet={})

设置特征类型，⾸先屏蔽所有类型

# Disable all classes

extractor.disableAllFeatures()

输出Pyradiomics包的信息和图像的基本信息

print("Calculating features")

featureVector = extractor.execute(imageName, maskName)

for featureName in featureVector.keys():

print("Computed %s: %s" % (featureName, featureVector[featureName]))

从输出可以看到Pyradiomics包的依赖环境Numpy、SimpleITK、PyWavelet、Python等版本， Configuration_Settings设置⽂件，和图像的基本信息，如Dimension、Spacing、Size、Mean、Minimun、Maximun，图像Mask的基本信息，如Spacing、Size、BoundingBox等。

设置特征类型，选择firstorder类型

# Enable all features in firstorder

extractor.enableFeatureClassByName('firstorder')

设置firstorder特征的内部特征类型，选择mean和skewness，我们这⾥不设置，直接输出全部特征

# Only enable mean and skewness in firstorder

# extractor.enableFeaturesByName(firstorder=['Mean', 'Skewness'])

设置提取的特征类型后就可以输出影像组学特征了

可以看到我们提取了firstordr的18个特征，其他的特征提取⽅法类似，也可以设置⼀些派⽣图像。