影像組學(xué)即高通量地從醫(yī)學(xué)影像中挖掘圖像特征地過程纵散。影像組學(xué)地功能工作流程包括：1）獲取圖像棘脐；2）分割感興趣的區(qū)域捕儒，例如腫瘤冰啃；3）定量地提取圖像特征；4）預(yù)測模型的建立和驗證刘莹。
3.2 影像組學(xué)的特征
3.2.1特征的定義
定量的特征可被分為基于統(tǒng)計學(xué)的(statistics-based), 基于模型的(model-based), 基于變換的(transform-based), 基于形態(tài)學(xué)的(morphology-based), 基于銳利度的(sharpness-based)特征阎毅。每種分類都包含數(shù)種特征提取算法，每種算法都可生成多種影像組學(xué)特征点弯。
3.2.1.1 基于統(tǒng)計學(xué)的特征
包含一階統(tǒng)計量(first-order statistics)：平均值(指灰度的)扇调，標(biāo)準(zhǔn)差，偏度(skewness,描述數(shù)據(jù)分布形態(tài)的統(tǒng)計量), 峰度(kurtosis, 是描述總體中所有取值分布形態(tài)陡緩程度的統(tǒng)計量)蒲拉。
Skewness是對于分布的標(biāo)準(zhǔn)三階中心距(standardized 3rdcentral moment).正態(tài)分布的skewness=0;如果skewness>0,代標(biāo)波形有右側(cè)長尾肃拜，如果skewness<0代標(biāo)波形有左側(cè)長尾。
Kurtosis是對于分布的標(biāo)準(zhǔn)四階中心距(standardized 4thcentral moment).正態(tài)分布的Kurtosis為k=3雌团，為了描述的方便燃领，使用exceess_k=k-3來標(biāo)準(zhǔn)化表示。如果exceess_k>0,表示波形更平坦锦援，如果<0,表示波形更消瘦猛蔽。
游程(Run-length)包含：短程強調(diào)度(short primitives emphasis), 長程強調(diào)度（long primitives emphasis）, 灰度一致性(Gray level uniformity), 游程一致性(primitive length uniformity), 游程百分比(primitive
percentage)
通過計數(shù)同一線上相鄰的同一灰度的像素的雖大數(shù)，來定義粗糙度。
灰度共生矩陣(GLCM, gray-level uniformity)包含：角二階矩(angular second moment), 對比度(contrast), 相關(guān)性(correlation), 平方和(sum of squares), 逆差矩(inverse difference moment), 均數(shù)和(sumaverage), 均數(shù)商(entropy), 方差(variance), two information measurements of correlation, 最大相關(guān)系數(shù)(maximal correlation coefficient), 最大概率(maximumprobability),? 聚類趨勢(cluster tendency). 描述ROI的紋理特征曼库。計數(shù)具有灰度圖像中某種形狀的像素對区岗，在全圖中出現(xiàn)的次數(shù)。傳送陣：http://www.reibang.com/p/91204c2771a8
灰度差異矩陣(GTDM, gray-tone difference matrix):粗糙度(coarseness), 對比度(contrast),繁度(busyness), 復(fù)雜度(complexity), 勁度(strength). 用于描述紋理的視覺性質(zhì)毁枯，基于一個像素和它相鄰像素間的灰階差異慈缔。
3.2.1.2 基于模型的特征
分維數(shù)分析(fractal dimension
analysis):平均值，標(biāo)準(zhǔn)差种玛，間隙度(lacunarity)藐鹤。分維數(shù)分析提供一個統(tǒng)計學(xué)指數(shù)來量化圖像的復(fù)雜度。描述了測量范圍的改變和導(dǎo)致的測量值改變之間的關(guān)系赂韵。紋理越粗糙娱节，分維數(shù)越大。分維即與整數(shù)維(如線是一位祭示，面是二維肄满，體是三維)相對立的分?jǐn)?shù)維。維數(shù)和測量方法有密切關(guān)系质涛，一根直線稠歉，如果用0維的點來測量它，那么結(jié)果為無窮大蹂窖，如果用二維的面來測量它轧抗，那么結(jié)果為0.分?jǐn)?shù)維數(shù)值D的大小是分形對象復(fù)雜度的一個度量，數(shù)值越大分形對象越復(fù)雜瞬测。
如對于喉腫瘤細(xì)胞核邊界分維值的比較横媚，正常上皮分維為1.06±0.01，乳頭狀瘤為1.11±0.01月趟，喉鱗癌為1.2±0.03灯蝴。
傳送陣:
https://wenku.baidu.com/view/767639e84493daef5ef7ba0d4a7302768e996fa9.html?fr=search
3.2.1.3 基于變換的的特征：從變換后的圖像中提取。包括Gabor濾波器孝宗，小波變換穷躁。
3.2.1.4 基于形態(tài)的特征： 測量腫瘤大小和形狀。腫瘤大小的特征包括單維特征(uni-dimensionally), 二維特征(bi-dimensionally),和體積(Volumetically).單維特征即腫瘤面積最大的二維平面的最大直徑因妇。形狀特征則包括全局(global)形狀特征和局部(local)形狀特征问潭。全局形狀特征則包括離心率(eccentricity),堅固性(solidity)= tumor area/area of convex hull bounding the tumor, 腫瘤面積與包繞腫瘤的凸包面積的比。致密系數(shù)婚被，緊湊系數(shù)(compact factor)基于其表面和體積狡忙。圓周系數(shù)(round factor)則基于周長和面積。
形狀指數(shù)(shape index)的取值范圍從-1到1址芯，分為9級灾茁，SI1-SI9.分別代表窜觉，spherical cup, trough,rut, saddle rut,saddle, saddle ridge, ridge, dome, spherical cap。
3.2.1.5 基于清晰度/銳利度的特征: S型曲線擬合特征(Sigmoid curve fitting feature)用于量化腫瘤和其周圍背景間的密度關(guān)系北专。包含斜斜率(slope), amplify, 密度低邊界(intensity low
bounder)禀挫。
