マガジンのカバー画像

RadiomicsJで実践するRadiomics特徴の算出

29
テクスチャなどを含めて170種類以上の画像特徴を計算することができるRadiomicsJというライブラリの紹介を目的としたマガジンです。 Radiomicsに興味はあるがやり方… もっと読む
運営しているクリエイター

記事一覧

固定された記事

Radiomics超入門:はじめに

こんにちは。 「Radiomics超入門」では、Imaging Biomarker Standardisation Initiativeのリ…

VIS_TATSUAKI
9か月前
1

Radiomics超入門:Radiomicsの特徴計算までのスキーム

Radiomicsの特徴計算スキーム概要Radiomicsでは、画像特徴を計算するための下準備の意味を含ん…

VIS_TATSUAKI
9か月前
3

Radiomics超入門:画像特徴(Image Feature)の概要

本解説では、IBSIで指定されている定量的な画像特徴(image feature)について説明します。 …

VIS_TATSUAKI
9か月前

Radiomics超入門:モルフォロジカル特徴#概要

IBSIリファレンスマニュアルでは、2023 年 8 月時点で、29 種類のモルフォロジカル特徴を定義…

VIS_TATSUAKI
9か月前

Radiomics超入門:モルフォロジカル特徴#Volume(体積)

Volume ( Mesh )メッシュベースの体積 $${V}$$ は ROI メッシュから計算されます[Zhang2001]。…

VIS_TATSUAKI
9か月前

Radiomics超入門:モルフォロジカル特徴#面積(Surface area -mesh-)

ROIメッシュの表面積 $${A}$$ は、体積を求めるときに使ったテトラへドロンではなく、外側にあ…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#表面積体積比(Surface to Volume Ratio)

表面積と体積の比(Surface to Volume Ratio)もモルフォロジカル特徴のひとつです。 $$ F_{morph.av} = \frac A V $$ 基本的に、表面積$${A}$$と体積$${V}$$はメッシュベースで計算された値を用います。 表面積と体積の比は、球体や立方体からの変形の度合いを示していると解釈できます。 例えば、x, y, z が 1 mm の iso ボクセルな立方体で考えてみます。体積と表面積は次のように計算されます。 縦 1

Radiomics超入門:モルフォロジカル特徴#Compactness

いくつかのモルフォロジカル特徴(Compactness, Spherical disproportion(球形不釣り合い)、…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#Spherical Disproportion(球形不釣り合い・…

Spherical Disproportion(球形不釣り合い) [Aerts2014]は、ある3 Dオブジェクトがどれだけ球…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#Sphericity(球形度)

Sphericity(球形度)は、球に対するROIの形状の丸さの尺度(3 Dオブジェクトがどれだけ球に近…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#Asphericity(非球面度・非球形度)

Asphericity(非球面度)[Apostolova2014]は、ROIの3D オブジェクトが完全な球体からどれだけ…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#Maximum3DDiameter(最大3次元径)

Maximum 3D Diameter(最大3次元径)[Aerts2014] は、ROIメッシュの頂点集合$${X_{vx}}$$にお…

VIS_TATSUAKI
8か月前

Radiomics超入門:モルフォロジカル特徴#CenterOfMassShift

"ROIボリューム(3 DなROI オブジェクト)の重心"と"信号強度によって重み付けされた ROI ボリ…

VIS_TATSUAKI
8か月前
1

Radiomics超入門:モルフォロジカル特徴#PCAから得られる特徴

主成分分析(Principle Component Analysis, PCA) は、3D ROI オブジェクトの主な方向(向き)を決定するために使用できます [Solomon2011]。 3 次元のオブジェクトでは、PCAにより 3 つの直交する固有ベクトル(eigen vectors)$${\{e1,e2,e3\}}$$と3つの固有値(eigen values)$${(λ1,λ2,λ3)}$$が得られます。 これらの固有値と固有ベクトルは幾何学的な 3 軸の楕円体を表