20190308
0001951111 T1W1，原始影像缺失 done
0000093087 DWI，分割文件打不开
0000674794 T2W，虽然有分割文件，但是并没有分割
0000319825 T2Flair，虽然有分割文件，但是并没有分割
0001249281 DWI，原始影像和分割文件均缺失
0002131622 T1WI、T2WI、T2Flair，原始影像和分割文件均缺失
这批数据根据病人脑部MRI，预测病人是否有认知障碍。
我之前拿到的数据都是医生画了CT/MRI其中一个序列，然后我在这这个序列上提取特征。
但是这批数据里，医生画了四个序列，理由是：同一个病人的多个病灶，可能在几个序列的都不一致，有些序列看得到，有些可能看不到（病灶的位置、大小有偏差）。
同一个病人的病灶在不同序列都有，位置基本一致，但是大小的话就不一定了，可能存在一定误差。
目前方案：每个序列单独分析提取特征，然后每个序列综合成一个因素，然后结合起来分析他们的效能，如果有的序列效能差的话，可能会舍弃。
20190318
0000051952 T1Flair图像与DWI图像和分割文件相同
发现部分DWI影像的灰度值极大，追查了一下原因：
之前提取特征的时候发现报错，我就在读取图像的时候应用
image = sitk.ReadImage(image_paths[i], sitk.sitkFloat32)
强转，发现不报错后就以为万事大吉了，结果出现了上述问题。
继续追查，发现读取的文件是一个itk::VectorImage，查了查发现是多通道的影像（类似RGB）。我应该只取其一个通道。
image = sitk.ReadImage(image_paths[i])
try:
image = sitk.VectorIndexSelectionCast(image, 0, sitk.sitkUInt16) # 取一个通道
except:
pass
20190331
给radiomics_r补充了DCA曲线。DCA曲线只需要输入已经得到的模型的预测值和标签y，而不需要输入原来的特征。如果输入原来的特征，则会重新拟合，和之前会有偏差。
发现sklearn库里包含LASSO特征选择曲线和calibration curve，可以不通过R包来画了。
网友评论