测量标准化

Python 中的生物医学图像分析

Stephen Bailey

Instructor

分析流程

分组分析流程

Python 中的生物医学图像分析

OASIS 人群

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
Python 中的生物医学图像分析

假设检验

男性-女性

Python 中的生物医学图像分析

假设检验

原假设：两组平均脑体积（$\mu_{m}, \mu_{w}$）相等。

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

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

由 scipy.stats.ttest_ind() 实现

Python 中的生物医学图像分析

假设检验

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

大的 $t$ 值和很小的 $p$ 值表明差异显著！

Python 中的生物医学图像分析

相关的测量值

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

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

脑体积-颅骨体积分布图

Python 中的生物医学图像分析

标准化

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

原结果可能由大小而非性别驱动。

Python 中的生物医学图像分析

影像中的诸多混杂因素

图像采集

  • 对比度
  • 分辨率
  • 视野范围

受试者 / 客体

  • 年龄
  • 性别
  • 病理

情境

  • 医院
  • 放射科医师
  • 设备

数据质量

  • 格式
  • 伪影
Python 中的生物医学图像分析

恭喜！

图像流程

Python 中的生物医学图像分析

祝您好运！

Python 中的生物医学图像分析

Preparing Video For Download...