“請問特征提取之后我該如何分析？”
“我想找出有統(tǒng)計學(xué)差異的特征名斟，要用什么統(tǒng)計學(xué)方法魄眉？”
“LASSO的內(nèi)涵是什么坑律？真的這么厲害？”
“Rad-score是什么冀值？到底要怎么算宫屠？”
“那張一條一條的橫線浪蹂，有分值的….,對就是 落-寞-gram告材！ 是什么意思斥赋？怎么畫产艾？胰舆？”
“鄙人課題簡單粗暴蹬挤，有哪些高大上的統(tǒng)計圖可以撐場面”？
“我想做一批基于影像組學(xué)的膠質(zhì)瘤鑒別應(yīng)用研究倦零，最少需要搜集多少病例扫茅？”
“這是我的病例集育瓜、數(shù)據(jù)分布情況躏仇，請問我可以怎么分析？”
“我的Statistical analysis寫的不好糟描，你幫檢查檢查书妻？躲履！”
“老鐵，這課題咋設(shè)計缤剧？至少需要多少病例”
“影像組學(xué)還可以在哪些方面應(yīng)用域慷？核心是什么？怎么實現(xiàn)弛针？”
“我需要具備什么才能上手radiomics李皇？怎么做？能發(fā)幾分兒凹氚稀卓囚？有什么瓶頸哪亿？未來“K”線圖走向蝇棉？”
“有人說影像組學(xué)就是統(tǒng)計學(xué)的一種高級應(yīng)用？是這樣嗎钝吮？”
“……板辽？戳气？？”
這些問題是否經(jīng)常困擾你影像組學(xué)多年的科研旅程麻捻？
幾年前鄙人剛開始接觸影像組學(xué)的時候也有過類似的困惑呀袱，經(jīng)過這幾年的摸爬滾打贸毕，深入學(xué)習(xí)，我對這塊更加熟悉夜赵，終于能總結(jié)出一些方法經(jīng)驗和簡化代碼明棍。希望基于本平臺，可以給大家在影像組學(xué)Radiomics和醫(yī)學(xué)統(tǒng)計學(xué)等方面上提供一些思路和參考寇僧。
影像組學(xué)作為一門新生學(xué)科摊腋，需要不斷深入研究和探索沸版，希望通過此平臺，與各位路人和大神多溝通兴蒸，多學(xué)習(xí)视粮，共同進(jìn)步。
由于篇幅過長橙凳，我將分成多期推送，希望大家在研究的路上張弛有度岛啸，高效學(xué)習(xí)钓觉。
第一部分?影像組學(xué)的官網(wǎng)定義
“Radiomics”最早是由荷蘭的學(xué)者Philippe Lambin提出來的（見下圖），簡言之坚踩，旨在用“高級特征分析法”從醫(yī)學(xué)影像中提取出更多的信息來協(xié)助臨床的一種輔助診斷方式荡灾。
解讀：“高級特征法”其實就是針對“影像”中的某個“區(qū)域”，用特定的“工具”提取“信息”堕虹、“分析”信息，進(jìn)而對臨床進(jìn)行“輔助診斷”芬首。
“影像”：
常見的有平掃/增強CT赴捞、磁共振MRI、PET影像郁稍、超聲赦政、X-ray等（甚至簡單至單張圖片也可以執(zhí)行，但基本不做）耀怜，圖像搜集完畢后可能需要進(jìn)行格式轉(zhuǎn)化恢着、配準(zhǔn)的內(nèi)容。
“區(qū)域”：
區(qū)域就是指需被研究的內(nèi)容财破，官方稱“ROI掰派，即Region Of Interest感興趣區(qū)域”，這個ROI是需要被勾畫出來的左痢，也可以稱“分割”靡羡，目前分割的方法有①全自動分割法（滑降區(qū)域生長法（region-growing methods）、圖割法（graph cut methods）俊性、基于容量CT的分割法（volumetric CT-based segmentation）或是基于深度學(xué)習(xí)模型結(jié)晶而成等等）略步；②半自動分割算法（semiautomatic segmentations）；③打工人手動分割法（ITK-SNAP(地址http://www.itksnap.org/pmwiki/pmwiki.php)定页、3D-slice(地址https://www.slicer.org/)）是目前最常用的趟薄，為什么？你懂得典徊。
“工具”：
目前常用的杭煎、公認(rèn)的有①Pyradiomics（網(wǎng)址：https://pyradiomics.readthedocs.io/en/latest/index.html）恩够，這是一個基于Python語言環(huán)境下的開源庫，可以理解為R語言內(nèi)的函數(shù)包岔帽，可以用來提取特征玫鸟，但需在Python環(huán)境下進(jìn)行編碼，才能完成犀勒，也有很多其他資料屎飘，請參考官網(wǎng)；②IBSI(Image Biomarker Standardisation Initiative)贾费，這是特征的定義钦购、公式等純理論具體內(nèi)容，常用MATLAB褂萧、C++等語言實現(xiàn)押桃；③IBEX，是MATLAB的一個程序导犹，也是可以用于提取特征唱凯；④公司開發(fā)的軟件，比如GE公司的AK谎痢、IF等磕昼。
“信息”：
目前為止大家絕大多數(shù)在探索組學(xué)特征，常用有①IBSI(Image Biomarker Standardisation Initiative)节猿，因此也可以稱影像組學(xué)特征為影像(腫瘤/病理)標(biāo)志物票从；②Pyradiomics。這些本質(zhì)上是基于計算機視覺領(lǐng)域的圖像分析領(lǐng)域-數(shù)據(jù)圖像滨嘱，因為說白了圖像就是數(shù)字本身峰鄙，因此可以通過一定的公式運算，形成有計算機含義的特征太雨，①②基本上是一樣的吟榴，只是在分類和數(shù)量上有點差異，大家選擇其一使用即可囊扳。公式中存在幾個如步長煤墙、翻轉(zhuǎn)角的參數(shù)，改變他們就可以算出同名系列特征宪拥，這就是為什么有的人只提取幾百個仿野，而有的人能提取幾千個特征的區(qū)別，但不一定越多越好她君，這目前尚無實證研究脚作。特征的種類大致有以下幾類（參考Pyradiomics）
中文可以這么翻譯：一階統(tǒng)計特征、2D/3D形狀特征、灰度共生矩陣球涛、灰度游程長度矩陣劣针、灰度大小區(qū)域矩陣等等。找一個感受一下：
“信息”指的就是這些晦澀難懂的特征變量亿扁，研究到目前捺典，除了組學(xué)特征，目前還常常引入稍微好理解的基因數(shù)據(jù)从祝、病理襟己、臨床指標(biāo)。
“分析信息”：
具體指的就是統(tǒng)計分析牍陌，影像組學(xué)絕大部分都是在做統(tǒng)計分析的工作擎浴，挖掘內(nèi)在聯(lián)系和模型構(gòu)建與驗證，這部分內(nèi)容比較多毒涧，后續(xù)將一一推出核心內(nèi)容和實現(xiàn)方法贮预。
“輔助診斷”：
沒錯，就是字面意思契讲。醫(yī)學(xué)影像輔助診斷仿吞，輔助是的臨床大夫?qū)膊〉呐袛啵ū热绶谓Y(jié)節(jié)的良性or惡性，腸癌/胃癌等良惡性判斷捡偏、腫瘤分子分型唤冈、病理分級、療效評估霹琼、預(yù)后預(yù)測等等务傲，還有什么凉当？那還不趕緊關(guān)注枣申，下期分享）起初是針對腫瘤，除了良惡性判斷看杭，慢慢延伸至量化病情忠藤、治療方案等，這具有重要的臨床意義楼雹。影像均為數(shù)字圖像模孩，因此也成為“計算機輔助診斷（computer aided diagnosis，CAD）”
影像組學(xué)（&深度學(xué)習(xí)）也是醫(yī)工交叉類的產(chǎn)物贮缅，具有廣闊與深遠(yuǎn)的前景榨咐。雖然目前影像組學(xué)看似很完善，但其實流程上還有很多不足和難題谴供，慢慢將在后期推出各種難題供大家思考块茁，先賣個關(guān)子，比如最常見的Rad-score結(jié)合臨床發(fā)現(xiàn)radiomics比臨床貢獻(xiàn)度更大，真的是這樣嗎数焊？你品永淌，你細(xì)品。
上圖也是影像組學(xué)開山之作paper內(nèi)的一張圖佩耳，簡單闡述了其運作模式：
獲取圖像->?勾畫?->?特征提取?->?統(tǒng)計分析
其中遂蛀，前三步驟是一個“清洗”與“標(biāo)準(zhǔn)化”的過程，目的是為統(tǒng)計分析做準(zhǔn)備干厚，因此重點在最后的統(tǒng)計分析模塊李滴。說到底，影像組學(xué)核心底層實際上就是統(tǒng)計分析內(nèi)容萍诱，比如特征數(shù)據(jù)的清洗悬嗓、不平衡處理、PCA等特征篩選裕坊、機器學(xué)習(xí)模型構(gòu)建包竹，預(yù)測手段和評價指標(biāo)，基本都是統(tǒng)計學(xué)領(lǐng)域籍凝，“挺煩的統(tǒng)計”就是專門研究和探索Radiomics周瞎、Medicine Statistics Analysis等等方面的頻道。
希望大家在“挺煩的統(tǒng)計”這里能夠消除煩惱饵蒂，我盡量把所謂黑匣子打開声诸，讓大家盡可能往里面看一看，摸一摸退盯。
PS：以上內(nèi)容屬筆者整理彼乌，如有不妥，敬請批評指正渊迁！
如果覺得內(nèi)容不錯慰照，歡迎點贊和轉(zhuǎn)發(fā)。
歡迎關(guān)注 “挺煩的統(tǒng)計”琉朽，共同交流學(xué)習(xí)毒租！
往期回顧：
（老鐵，這是第一期箱叁，關(guān)注我墅垮，科研旅途再不麻煩）
