代码之家 › 专栏 › 技术社区 › RMS

计算对称曲面距离[Python]

simpleitk itk image-segmentation python

RMS · 技术社区 · 8 年前

我想计算两个二进制对象之间的表面距离度量,也称为肝肿瘤分割。我希望计算:

平均对称表面距离
均方根对称距离
Hausdorff距离(也称为最大对称距离)

我发现有两个库可以帮助我计算这些指标,但我得到的结果相互矛盾,所以我对它们的工作原理感到困惑。

from medpy import metric
import pandas as pd
import SimpleITK as sitk
import numpy as np
reference_segmentation = sitk.ReadImage('tumorSegm', sitk.sitkUInt8)
segmentation = sitk.ReadImage('tumorSegm2',sitk.sitkUInt8)
class SurfaceDistanceMeasuresITK(Enum):
    hausdorff_distance, max_surface_distance, avg_surface_distance, median_surface_distance, std_surface_distance = range(5)

class MedpyMetricDists(Enum):
    hausdorff_distance, avg_surface_distance, avg_symmetric_surface_distance = range(3)


  surface_distance_results = np.zeros((1,len(SurfaceDistanceMeasuresITK.__members__.items())))
surface_dists_Medpy = np.zeros((1,len(MedpyMetricDists.__members__.items())))
segmented_surface = sitk.LabelContour(segmentation)

# init signed mauerer distance as reference metrics
reference_distance_map = sitk.Abs(sitk.SignedMaurerDistanceMap(reference_segmentation, squaredDistance=False, useImageSpacing=True))

label_intensity_statistics_filter = sitk.LabelIntensityStatisticsImageFilter()
label_intensity_statistics_filter.Execute(segmented_surface, reference_distance_map)

hausdorff_distance_filter = sitk.HausdorffDistanceImageFilter()
hausdorff_distance_filter.Execute(reference_segmentation, segmentation)

surface_distance_results[0,SurfaceDistanceMeasuresITK.hausdorff_distance.value] = hausdorff_distance_filter.GetHausdorffDistance()
surface_distance_results[0,SurfaceDistanceMeasuresITK.max_surface_distance.value] = label_intensity_statistics_filter.GetMaximum(label)
surface_distance_results[0,SurfaceDistanceMeasuresITK.avg_surface_distance.value] = label_intensity_statistics_filter.GetMean(label)
surface_distance_results[0,SurfaceDistanceMeasuresITK.median_surface_distance.value] = label_intensity_statistics_filter.GetMedian(label)
surface_distance_results[0,SurfaceDistanceMeasuresITK.std_surface_distance.value] = label_intensity_statistics_filter.GetStandardDeviation(label)

surface_distance_results_df = pd.DataFrame(data=surface_distance_results, index = list(range(1)),
                              columns=[name for name, _ in SurfaceDistanceMeasuresITK.__members__.items()])

img_array = sitk.GetArrayFromImage(reference_segmentation)
seg_array = sitk.GetArrayFromImage(segmentation)
# reverse array in the order x, y, z
img_array_rev = np.flip(img_array,2)
seg_array_rev = np.flip(seg_array,2)
vxlspacing = segmentation.GetSpacing()

surface_dists_Medpy[0,MedpyMetricDists.hausdorff_distance.value] = metric.binary.hd(seg_array_rev,img_array_rev, voxelspacing=vxlspacing)
surface_dists_Medpy[0,MedpyMetricDists.avg_surface_distance.value] = metric.binary.asd(seg_array_rev,img_array_rev, voxelspacing=vxlspacing)
surface_dists_Medpy[0,MedpyMetricDists.avg_symmetric_surface_distance.value] = metric.binary.assd(seg_array_rev,img_array_rev, voxelspacing=vxlspacing)

surface_dists_Medpy_df = pd.DataFrame(data=surface_dists_Medpy, index = list(range(1)),
                              columns=[name for name, _ in MedpyMetricDists.__members__.items()])

乍一看,我不认为SimpleTk计算 对称的
MedPy是一个可靠的图书馆吗?我可以计算对称根平均值吗同意吗?
韵律学?
我应该计算毛勒距离图的绝对值吗?我不确定这会如何影响结果。 reference_distance_map = sitk.Abs(sitk.SignedMaurerDistanceMap(reference_segmentation, squaredDistance=False, useImageSpacing=True))

2 回复 | 直到 8 年前

zivy 8 年前

@罗克珊

我在这里假设您对在中计算的表面距离度量感到困惑 this SimpleITK notebook ?

答案的其余部分引用了该代码。

平均值/标准值/中值/最大值不对称(Hausdorff为)。

使用SimpleTk,可以通过以下公式计算对称平均值和标准差: 计算分割的平均值和标准差,然后计算参考值(代码用于分割,所以只需切换角色,就可以获得参考值)。

现在你得到了两个样本的平均值和标准差。要获得样本的大小,只需调用:

label_intensity_statistics_filter.GetNumberOfPixels(label)

计算n1、m1、s1、n2、m2、s2的对称平均值和标准偏差:

m = (n1*m1 + n2*m2)/(n1+n2)
s = np.sqrt((n1*(s1**2+(m1-m)**2) + n2*(s2**2+(m2-m)**2))/(n1+n2))

注意,标准偏差的样本估计是有偏差的版本(类似于numpy.std的默认行为)。

如果您还有其他问题,请发到 ITK discourse forum .

DÅ¾enan 8 年前

符号距离映射是不对称的。Hausdorff距离应为。

metro 在过去。

对于Maurer来说,正距离意味着外部,负距离意味着内部。如果要计算分歧,则应取绝对值。