Нормализация измерений

Анализ биомедицинских изображений на Python

Stephen Bailey

Instructor

Рабочий процесс анализа

group-workflow

Анализ биомедицинских изображений на Python

Популяция OASIS

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
Анализ биомедицинских изображений на Python

Проверка гипотез

men-women

Анализ биомедицинских изображений на Python

Проверка гипотез

Нулевая гипотеза: средние объёмы мозга двух популяций ($\mu_{m}, \mu_{w}$) равны.

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

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

Реализовано в scipy.stats.ttest_ind()

Анализ биомедицинских изображений на Python

Проверка гипотез

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

Большое значение $t$-статистики и малое $p$-значение указывают на значимое различие!

Анализ биомедицинских изображений на Python

Коррелирующие измерения

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

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

brain-skull-scatterplot

Анализ биомедицинских изображений на Python

Нормализация

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

Первоначальные результаты, вероятно, объясняются размером, а не полом.

Анализ биомедицинских изображений на Python

Множество потенциальных помех в визуализации

Получение изображений

  • Контраст
  • Разрешение
  • Поле зрения

Субъект / объект

  • Возраст
  • Пол
  • Патология

Контекст

  • Больница
  • Радиолог
  • Оборудование

Качество данных

  • Формат
  • Артефакты
Анализ биомедицинских изображений на Python

Поздравляем!

Image Workflow

Анализ биомедицинских изображений на Python

Удачи!

Анализ биомедицинских изображений на Python

Preparing Video For Download...