- 综合排序
- 最热优先
- 最新优先
module ‘radiomics.featureextractor‘ has no attribute ‘RadiomicsFeaturesExtractor‘
遇到 AttributeError: module 'radiomics.featureextractor' has no attribute 'RadiomicsFeaturesExtractor' 这样的错误通常意味着你尝试从 radiomics.featureextractor 模块中访问一个不存在的属性或类。 在 PyRadiomics 的较新版本中，提取特征的类通常位于 radiomics.featureextractor 模块下，但这个模块的结构可能因版本而异。 模块的顶层，而不是 radiomics.featureextractor。 () 但是，更常见的导入方式是直接从 radiomics 模块导入类，而不是从 featureextractor 子模块： from radiomics import RadiomicsFeatureExtractor
19610编辑于 2025-07-22- 来自专栏Python编程和深度学习
医学影像组学特征值（Radiomics Features）提取之Pyradiomics（二）使用篇
1 安装过程 安装Radiomics有两种方法，第一种是直接pip install radiomics，会生成一个radiomics包，在上一篇文章介绍的； 第二种是采用官方链接安装Pyradiomics 首先查看conda存在的环境： conda env list 创建我们需要的新环境： conda create -n Radiomics python=3.7 进入Radiomics环境： source activate Radiomics 下载Pyradiomics安装包 git clone git://github.com/Radiomics/pyradiomics 进入Pyradiomics路径下 我们可以查看一下这个radiomics包所在的位置 ? 2 使用方法 首先导入必要的包 import SimpleITK as sitk import radiomics from radiomics import featureextractor 导入输入的
13.2K66发布于 2020-07-16 科研绘图系列：python语言绘制SCI图合集
= {"XGboost": 0.574, "LR": None, "RF": 0.556, "Cox": 0.563}radiomics_pfs = {"XGboost": 0.634, "LR": _1y, list_radiomics_6m = [], []list_pathomics_1y, list_pathomics_6m = [], []list_RNA_1y, list_RNA_6m _1y = np.argmax([mod.mean() for mod in list_radiomics_1y])best_pathomics_1y = np.argmax([mod.mean() for _6m = np.argmax([mod.mean() for mod in list_radiomics_6m])best_pathomics_6m = np.argmax([mod.mean() for _1y], 3: algorithms[best_radiomics_6m], 4: algorithms[best_pathomics_1y], 5: algorithms
44820编辑于 2025-01-13- 来自专栏Python编程和深度学习
医学影像组学特征值（Radiomics Features）提取之Pyradiomics（一）理论篇
医学影像组学特征值（Radiomics Features）提取之pyradiomics（一）理论篇 pyradiomics是一个开源的python软件包，可以从医学影像中提取出Radiomics影像组学特征 -m pip install pyradiomics 2．Install via conda通过conda安装 要在Conda环境下上安装PyRadiomics： conda install -c radiomics 4．Use 3D Slicer Radiomics extension使用3D Slicer Radiomics扩展 3D Slicer是用于医学影像计算的免费开源平台（http : //slicer.org ），可以使用3D Slicer ExtensionManager来安装Radiomics扩展程序，该扩展程序提供了一个针对pyradiomics库的图形用户界面。 使用3D Slicer中的pydiadomics的优势在于，您可以查看图像和分割，参考链接https：//github.com/Radiomics/SlicerRadiomics。
25.4K57发布于 2020-07-14 - 来自专栏思影科技
影像学纹理分析：放射科医生需要知道的事项
我们使用以下关键词对PubMed、Scopus和Embase数据库进行PRISMA（系统评价和meta分析的首选报告项目）搜索：radiomic或radiomics（图1）。 搜索字符串“radiomic和radiomics”用于查找PubMed、Scopus和Embase数据库中的英语出版物。使用这种搜索方法，我们在最终的研究列表中纳入了87份。 图2，radiomics典型工作流程示意图，显示了四个基本模块。 A和B，72岁男性，前列腺特异性抗原水平升高。 图像采集 图像采集是radiomics工作流程的第一阶段。目前可用的临床成像模态允许采集和图像重建协议有很大的不同。这对图像视觉和质量评估来说没有限制。 Mackin等人表明，从Credence Cartridge Radiomics（CCR）体模的CT图像中提取的放射指标的差异性在大小上与从非小细胞肺癌的CT图像中提取的相同特征中发现的差异性相当。
1.9K10编辑于 2022-06-13 - 来自专栏奇点大数据
AI预测人类寿命？
Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics
1.1K30发布于 2018-07-24 - 来自专栏智能生信
Med. Res. Rev. | 基因组学、蛋白质组学、转录组学、微生物组学、代谢组学、病理组学等关联关系预测：一种综合方法
Association predictions of genomics, proteinomics, transcriptomics, microbiome, metabolomics, pathomics, radiomics
1.7K20发布于 2021-08-13 - 来自专栏我爱计算机视觉
今日新出 CV 论文汇总（含医学图像、目标检测、唇语识别、SLAM等）
https://arxiv.org/abs/1903.09263 17 Deep Radiomics for Brain Tumor Detection and Classification from
1.2K30发布于 2019-12-27 - 来自专栏DrugOne
Nat. Mach. Intell. | 基于癌症影像生物标志物的基础模型
作者使用HarvardRT队列（n = 291）的数据训练和调整预后预测模型，以预测治疗后2年的总生存率，然后在两个独立的测试队列上比较基础模型和基线实现的性能，LUNG1（NSCLC-Radiomics
30210编辑于 2024-04-28 - 来自专栏DrugOne
Nat. Mach. Intel. | 用机器学习发现肉眼不可见的新冠肺部长期病变
对于肺损伤的增强、radiomics的量化，则是用传统算法（非深度学习）。 Supplementary Fig. 4. 组织的长程结构特征。肺有肋骨造成的沟，血管、气管是树状结构等。
48610编辑于 2022-06-10 - 来自专栏百味科研芝士
曾高调拒收国内医院文章的MDPI旗下期刊现已“出狱”，不再拒绝国内医院，生信套路文章可投稿!
第二篇论著文章Ultrasound Radiomics Nomogram to Diagnose Sub-Centimeter Thyroid Nodules Based on ACR TI-RADS发表单位依旧为国内医院
4.7K20编辑于 2022-12-12 - 来自专栏CVer
[计算机视觉论文速递] 2018-03-01
[4]《Brain Tumor Segmentation and Radiomics Survival Prediction: Contribution to the BRATS 2017 Challenge
1.2K80发布于 2018-04-12 - 来自专栏思影科技
大话脑影像之二十三：浅谈影像组学
针对以上几个信息点，也就了解了影像组学研究的一个简单流程： 1) 影像数据获取—>2)肿瘤的标定、分割—>3)影像特征的提取—>4)数据挖掘分析[Radiomics: Images Are Morethan
2.1K40发布于 2019-10-14 [pyradiomics]pyradiomics安装后测试代码
代码(helloFeatureClass.py)： import numpy import SimpleITK as sitk import six from radiomics import firstorder See formulas (4.), (5.) and (6.) defined :ref:`here <radiomics-excluded-sumvariance-label>` for
17900编辑于 2025-07-21- 来自专栏arXiv每日学术速递
计算机视觉学术速递[8.20]
本研究的目的是通过提出一个框架来自动构建和优化每个应用程序的radiomics工作流，从而将radiomics推广到各个应用程序。 摘要：Radiomics uses quantitative medical imaging features to predict clinical outcomes. While many radiomics methods have been described in the literature, these are generally designed for construct and optimize the radiomics workflow per application. the search for radiomics biomarkers in new applications.
2K50发布于 2021-08-24 - 来自专栏登神长阶
【论文复现】智慧医疗：纹理特征VS卷积特征
环境配置 python版本3.6及以上； 预先安装第三方库：radiomics、SimpleITK、torch、torchvision和scipy 编程未来，从这里启航！
46010编辑于 2024-11-18 - 来自专栏思影科技
脑肿瘤的影像组学：图像评估、定量特征描述和机器学习方法
原文：Radiomics in Brain Tumor: Image Assessment, Quantitative Feature Descriptors, and Machine-Learning
2.3K31编辑于 2022-02-28 - 来自专栏CSDN社区搬运
智慧医疗:纹理特征VS卷积特征
论文中结果： 环境配置 python版本3.6及以上； 预先安装第三方库：radiomics、SimpleITK、torch、torchvision和scipy 希望对你有帮助！加油！
26310编辑于 2024-11-13 - 来自专栏思影科技
Radiology：人工智能在神经肿瘤学中的新兴应用
Modelhub (http://modelhub.ai/)和pyradiomics (http://www.Radiomics.io/)等，提供了一些可能有助于共享不同方法的开源工具，以及癌症成像表型工具
1.3K30编辑于 2022-02-28 - 来自专栏全栈程序员必看
脑科学磁共振成像（MRI)初学者必看——功能脑网络、小世界网络、FDR校正、脑电信号频率变换、模板、假设检验、广义线性模型、独立成分分析、影像组学、任务态和静息态方法汇总「建议收藏」
针对以上几个信息点，也就了解了影像组学研究的一个简单流程： 影像数据获取—>2)肿瘤的标定、分割—>3)影像特征的提取—>4)数据挖掘分析[Radiomics: Images Are Morethan
16.2K1023编辑于 2022-09-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号