20190605

这是一批胃癌脉管侵犯的数据，可用病例数254例

清洗数据：

1. 利用python的set()类，进行集合运算，将没有mask勾画的影像数据删掉

2. 将dicom格式和hdr格式转化为nii（会有meta-data的丢失，以后准备转为nrrd，目前不知道什么区别/会不会保留metadata）

3. 发现mask沿着y轴镜像了（真的是啥bug都有），写了个函数，利用mask = sitk.Flip(mask, sitk.VectorBool([False, True, False]))将mask沿y轴翻转

4. 防止有误翻转情况，将带有mask标记的img保存为jpg检查，其中用到了img = exposure.equalize_hist(img)进行直方图均衡、自定义渐变透明度的colormap（已经记录到简书）

提取特征：
发现有77例病例报错“ROI BoundBox is larger than image size”，然后进行排除bug，发现：

1. 对这部分病例mask.GetDirection()，发现他们的direction为[1, 0, 0, 0, -1, 0, 0, 0, 1]，于是执行mask.SetDirection([1, 0, 0, 0, 1, 0, 0, 0, 1])

2. 对这部分病例执行img.GetOrigin(), mask.GetOrigin()，发现这部分病例的mask与img的origin不一致，于是执行mask.SetOrigin(img.GetOrigin())

3. 经过上述步骤后，这部分病例可以正常提取特征。

4. 总结：以后清洗数据时/提取特征前，加入检查img和mask的步骤

收获的知识：

1. MRI/CT的图像，每个体素都有其三维的空间大小（spacing），可以换算到物理世界的长、宽、高，每个病例的体素大小不一定相同（一般不同）。利用sitk.GetArrayFromImage(img)获得numpy格式数据后，虽然像素点数和体素点数相同，但是丢失了体素大小这种信息。
2. CT比MRI更简单一些，因为CT受参数影响较少，审稿时收到的质疑比较少
3. 预处理中，对病例的重采样，一般会采样到一个稍小的分辨率，以分辨更大的纹理

疑问：

1. 为何img长和宽本来体素数相同，利用pyradiomics重采样后，体素数变得不同：

   Applying resampling from spacing [0.97460938 0.97460938 1.25      ] and size [512 512 341] to spacing [1. 1. 1.] and size [116, 87, 82]