软件版本：4.13.0
问题描述：Radiomics模块可以调整pyradiomics设置吗?需要将图像的‘normalize’: False改为ture实现图像归一化。
参考：https://pyradiomics.readthedocs.io/en/latest/features.html#
在RadiomicsCLI模块中可以自定义parameter file。
自定义提取
定制类型
在 PyRadiomics 中有 4 种方法可以自定义特征提取：
- 指定用于从中提取特征的图像类型（原始/派生）
- 指定要提取的特征（类）
- 指定设置，控制预处理并自定义启用的过滤器和要素类的行为。
- 指定基于体素的特定设置，仅在使用 PyRadiomics 生成特征图时需要
图像归一化
-
normalize[False]：布尔值，设置为 True 以在任何重新采样之前启用图像的规范化。另请参阅normalizeImage()。 -
normalizeScale[1]：Float，>0，确定图像归一化后的比例。如果规范化被禁用，这没有效果。 -
removeOutliers[无]：浮点数，> 0，定义要从图像中删除的异常值。异常值定义为差异大于nσx 从平均数，在哪里 n>0并且等于此设置的值。如果省略此参数（在参数文件中提供它没有值（即None）将引发错误），则不会删除异常值。如果规范化被禁用，这没有效果。另请参阅normalizeImage()。
radiomics.imageoperations. normalizeImage （图片 ，**kwargs ）[来源]
通过以具有标准偏差的平均值为中心来规范化图像。归一化基于图像中的所有灰度值，而不仅仅是分割内的灰度值。
f(x)=s(x−μx)/σx
在哪里：
- x 和 f(x) 分别是原始强度和归一化强度。
- μx 和 σx 是图像强度值的平均值和标准偏差。
- s是由 定义的可选缩放比例
scale。默认情况下，它设置为 1。
或者，可以删除异常值，在这种情况下， x>μx+nσx 或者 x<μx−nσx 设置为 μx+nσxμx 和 μx−nσx， 分别。这里，n>0并由 定义outliers 。这又由removeOutliers 参数控制。异常值的去除是在图像的值归一化之后但在scale 应用之前完成的。
感谢曹老师赐教，我目前理解的是需要在customization paremater file 一栏中输入自己写好的pyradiomics yaml文件，文件中的setting 一项可以规定normalize及其他的参数，然后软件按照yaml的规定执行操作提取出特征，由此实现了图像的归一化问题，感谢赐教，收益匪浅！