【3D Slicer】的小白入门使用指南七

影像表型Image Phenotyping介绍

简介

成像表型

● 成像表型描述了通过医学成像结合特征检测、机器学习和统计分析，以及与其他疾病指标相关联的疾病特征。

I. 给患者成像
II. 确定感兴趣区域（ROI）
III. 以3D方式渲染
IV. 提取特征
IV. 数据整合

临床病例：脑膜瘤

• 脑膜瘤是生长缓慢的脑外肿瘤，起源于蛛网膜细胞。
• 治疗选择包括观察、手术和放射治疗。
• 基于图像的肿瘤分级预测有潜力增强临床决策制定。 

 本教程是使用3D Slicer平台对肿瘤进行表型分析的基础入门。

影像特征

从成像数据中提取的定量特征有潜力提供与临床相关的信息，用于预测肿瘤分级和评估治疗反应。

准备（脑膜瘤数据集+radiomics影像组学扩展+3D slicer）

工作流程

步骤1：数据加载

步骤2：肿瘤分割

步骤3：肿瘤体积计算

步骤4：提取成像特征

 影像表型

1、脑膜瘤数据导入

1）数据集下载 

2）数据集导入，直接拖拽到slicer，描述部分必须是volume，确定后点击OK

得到（Slicer显示了脑膜瘤数据集的轴向、矢状面和冠状面图像。）

3）在菜单栏选择red slice only，拖动滑块，看到肿瘤位置

4）开启测量肿瘤的直径。在菜单栏选择标尺工具，出现create new line的尺子选项（找到你想要用来测量最大直径的切片，使用标尺工具定位两个基准，测量轴向图像上的最大直径），然后在肿瘤处进行测量，差不多是32毫米左右（slicer显示在轴向切片上测量的肿瘤直径值）

2、肿瘤分割

图像分割

● 图像分割是识别成像数据中感兴趣结构轮廓的过程。

● 图像分割可以通过手动勾画轮廓或使用自动化分割算法来执行。

• 3D Slicer的分割编辑器模块为手动和半自动分割提供了强大的工具
• 该模块以参考图像（Master Volume）作为输入，并产生分割图像（Segmentation）作为输出。

 术语

Master Volume主体积（主影像） ；Segmentation分割；Master Volume&Segmentation主体积&分割

在这个教程中，

• - Master Vo