# Radiomics

**Repository Path**: snakecy/Radiomics

## Basic Information

- **Project Name**: Radiomics
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-08
- **Last Updated**: 2024-12-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Radiomics
影像组学分析

影像组学系列教程：  
0，影像组学的介绍与影像组学方法流程：     
1，影像组学论文分析：  
2，基于pyradiomics的影像组学特征提取；  
2，特征选择:  
3，建模分析:  
4，结果展示与分析:  
5，论分实战演示：  



# 0FQA：
Q1：什么是影像组学？<br />A1：影像组学就是使用传统图像处理方法，提取放射影像的具象化特征，然后利用这些特征进行分类分析，以及预测等等。

Q2：怎么提取影像组学特征?<br />A2：可以使用工具包，比如说pyradiomics,工具包，比较常用。

Q3: 影像组学特征能用来干什么？<br />A3：影像组学特征就相当于各种x,最终为了判断y。y可以是肿瘤的良恶性分类，预后，等等。只需要去y与x之间的k值就可以了。然后后面再输入其他图像时，就可以直接用来分类。   这是传统机器学习方法下适应于医学图像的应用。当然，现如今人工智能的出现，AI一样可以应用于医学图像，但是AI可能是一个端到端的过程，一个黑盒模型，不会像影像组学特征那样，会对特征进行描述之类的。

Q4：那些花里胡哨的影像组学的图是怎么做的？<br />A4：

Q5：如何进行结果分析，如delong检验，p值显著性分析？