측정값 정규화

Python을 활용한 생의학 영상 분석

Stephen Bailey

Instructor

분석 워크플로

그룹 워크플로

OASIS 집단

df.shape

(400, 5)

df.sample(5)

                age sex  alzheimers  brain_vol    skull_vol
    ID                                                        
    OAS1_0272   75   F        True    851.451  1411.125695
    OAS1_0112   69   F       False    894.801  1434.146892
    OAS1_0213   48   F       False    925.859  1412.781004
    OAS1_0311   22   F       False    980.163  1363.413762
    OAS1_0201   85   F       False    904.104  1420.631447

가설 검정

남성-여성

가설 검정

귀무가설: 두 집단의 평균 뇌 부피($\mu_{m}, \mu_{w}$)는 동일합니다.

$$ H_{null}: \mu_{w} = \mu_{m} $$ $$ H_{alt}\ : \mu_{w} \ne \mu_{m} $$

$$ t = \frac{\bar X - \mu}{s / \sqrt{n}} $$

scipy.stats.ttest_ind()로 구현됩니다.

가설 검정

brain_m = df.loc[df.sex == 'M', 'brain_vol']

brain_f = df.loc[df.sex == 'F', 'brain_vol']

from scipy.stats import ttest_ind
results = ttest_ind(brain_m, brain_f)

results.statistic
results.pvalue

10.20986
5.03913e-22

큰 $t$-통계량과 낮은 $p$-값은 유의미한 차이가 있음을 시사합니다!

상관된 측정값

df[['brain_vol', 'skull_vol']].corr()

                'brain_vol' 'skull_vol'
    'brain_vol'      1.000       0.736
    'skull_vol'      0.736       1.000

뇌-두개골 산점도

정규화

df['brain_norm'] = df.brain_vol / df.skull_vol

brain_norm_m = df.loc[df.sex == 'M', 'brain_norm']
brain_norm_f = df.loc[df.sex == 'F', 'brain_norm']
results = ttest_ind(brain_norm_m, brain_norm_f)

results.statistic
results.pvalue

-0.94011
0.34769

원래 결과는 성별이 아닌 크기에 의한 것일 가능성이 높습니다.

이미지에서 잠재적 교란 변수

이미지 획득

대비
해상도
시야각

피험자 / 객체

연령
성별
병리

상황

병원
방사선과 의사
장비

데이터 품질

형식
아티팩트

수고하셨습니다!

이미지 워크플로

행운을 빕니다!

Python을 활용한 생의학 영상 분석