數值正規化

Python 的生醫影像分析

Stephen Bailey

Instructor

分析流程

群組工作流程

OASIS 族群

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

假設檢定

男性與女性

假設檢定

虛無假設：兩族群的平均腦體積（$\mu_{m}, \mu_{w}$）相同。

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

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

以 scipy.stats.ttest_ind() 實作。

假設檢定

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 $t$ 統計量與很小的 $p$ 值，表示差異顯著！

量測相關性

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

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

腦體積與顱骨體積散佈圖

正規化

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

原始差異多半來自體型，而非性別。

影像中的多重混雜因子

影像取得

對比
解析度
視野範圍

受試者／物件

年齡
性別
病理

情境

醫院
放射科醫師
設備

資料品質

格式
伪影

恭喜！

影像流程

祝你好運！

Python 的生醫影像分析