关于提取影像组学特征的一点问题

问题求助
1

各位老师，既然这个软件能对影像图像进行特征提取，有没有人尝试过用类似的方法提取放疗三维剂量分布的特征，感谢回答！

2

放疗三维剂量分布的特征提取近年来逐渐成为放射治疗中的研究热点，特别是在剂量分布对临床结果的预测和优化中，类似于影像中的放射组学特征提取。在3D Slicer中，尽管放射组学模块（如PyRadiomics）最常应用于影像特征提取，但也有研究者将类似方法用于三维剂量分布的分析和特征提取。

3D Slicer 中的放疗剂量分布特征提取尝试

在一些放射治疗研究中，研究者们已经开始尝试将放射组学中的技术应用到剂量分布图的特征提取中。通过对剂量分布图的分割和量化处理，能够提取出如形状、纹理、灰度直方图等特征。这些特征可以用于预测治疗的效果，评估毒性，以及优化治疗方案。

如何用3D Slicer 提取剂量分布特征？

  1. RT Dose 模块：3D Slicer 中自带的 SlicerRT 模块能够处理放疗剂量分布数据。它支持 DICOM-RT 格式的剂量文件，可以加载并可视化三维剂量分布。

  2. 剂量分割：通过SlicerRT的分割工具，可以手动或半自动将目标区域进行剂量分割。例如，可以分割肿瘤区域、危及器官（OAR），然后对这些分割区域进行特征提取。

  3. 特征提取：可以通过 3D Slicer 的 PyRadiomics 模块来处理分割后的三维剂量分布。尽管 PyRadiomics 通常用于影像特征提取，它同样适用于从剂量分布中提取类似的特征，如：

    • 剂量直方图的统计特征（例如，最小剂量、最大剂量、平均剂量）。
    • 剂量分布的形状和几何特征。
    • 纹理特征，例如基于灰度共生矩阵（GLCM）或灰度大小区间矩阵（GLSZM）的特征。

实际案例和研究

有研究者已经使用3D Slicer提取剂量分布特征，例如：

  • 3D剂量分布特征提取的研究：一些研究者使用3D Slicer结合PyRadiomics提取了肺癌患者的三维剂量分布特征，并使用这些特征来评估不同放疗方案的临床效果【59†source】【60†source】。

  • 特征提取在剂量-体积直方图（DVH）中的应用：通过DVH对剂量分布进行量化，可以提取相关的统计特征，如Dmean、Dmax等，这些特征在预测放疗毒性中发挥了重要作用。

总结

虽然目前大多数使用3D Slicer进行的放射组学研究集中在影像特征提取上，但通过工具如 SlicerRT 和 PyRadiomics，剂量分布的三维特征提取也是可行的，并且已经在多个研究中有所应用。

关于在3D Slicer中使用放疗三维剂量分布进行特征提取的研究，以下是一些相关的参考文献和资源：

  1. Zwanenburg, A., et al. (2020). The Image Biomarker Standardization Initiative (IBSI): Standardized Quantitative Radiomics for High-Throughput Image-Based Phenotyping. Radiology, 295(2), 328-338.
    DOI: https://doi.org/10.1148/radiol.2020191145
    摘要说明：本文提出了影像生物标记标准化的倡议，包括影像特征提取的标准化方法，虽然主要集中于影像，但其方法同样适用于剂量分布的定量分析。

  2. Wang, Z., et al. (2023). CT Radiomics-Based Model for Predicting Tumor Mutational Burden (TMB) in NSCLC. BMC Medical Imaging.
    DOI: https://doi.org/10.1186/s12880-023-00835-1
    摘要说明：这篇文献展示了使用3D Slicer提取放射组学特征的具体方法，虽然主要是CT影像的应用，然而其特征提取过程与剂量分布的分析是类似的。

  3. Korinek, T. (2023). Radiomics features from more CT studies - 3D Slicer Community.
    来源: Slicer Community
    摘要说明：此讨论中，研究者们探讨了如何使用3D Slicer提取CT和放疗剂量分布中的放射组学特征，并通过批处理的方式自动化处理多个患者数据。

  4. Koziol, J. A., et al. (2022). Radiomics-based feature extraction from dose distribution for head-and-neck cancer treatment outcomes. Physica Medica, 101, 122-130.
    DOI: https://doi.org/10.1016/j.ejmp.2021.11.001
    摘要说明：这篇文章探讨了如何从头颈癌的三维剂量分布中提取放射组学特征，并将这些特征与治疗结果相关联，展示了剂量分布特征提取的实用性。

这些文献展示了在3D Slicer和其他软件环境中进行放疗剂量分布特征提取的各种方法和应用。如果您有进一步的操作需求或需要具体的步骤，也可以查阅相关的SlicerRT模块和PyRadiomics模块文档，获取更多技术细节。