मापों का नार्मलाइज़ेशन

Python में बायोमेडिकल इमेज विश्लेषण

Stephen Bailey

Instructor

विश्लेषण वर्कफ़्लो

समूह-वर्कफ़्लो

OASIS जनसंख्या

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

हाइपोथीसिस टेस्टिंग

पुरुष-महिला

हाइपोथीसिस टेस्टिंग

शून्य परिकल्पना: दो आबादियों के औसत मस्तिष्क वॉल्यूम ($\mu_{m}, \mu_{w}$) समान हैं.

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

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

scipy.stats.ttest_ind() में लागू.

हाइपोथीसिस टेस्टिंग

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

बड़ा $t$-statistic और छोटा $p$-value संकेत देता है कि महत्वपूर्ण अंतर है!

सहसंबद्ध माप

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

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

ब्रेन-स्कल-स्कैटरप्लॉट

नॉर्मलाइज़ेशन

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

संभावना है कि आकार, न कि जेंडर, मूल परिणामों को चला रहा था.

इमेजिंग में कई संभावित कन्फाउंड्स

इमेज अधिग्रहण

कॉन्ट्रास्ट
रेज़ोल्यूशन
फील्ड ऑफ व्यू

विषय / ऑब्जेक्ट

आयु
जेंडर
पैथोलॉजी

संदर्भ

अस्पताल
रेडियोलॉजिस्ट
उपकरण

डेटा क्वालिटी

फ़ॉर्मेट
आर्टिफैक्ट्स

बधाई!

इमेज वर्कफ़्लो

शुभकामनाएँ!

Python में बायोमेडिकल इमेज विश्लेषण