Obrazowanie ilościowe i radiomika — materiały referencyjne

Materiały referencyjne · Skondensowany materiał do szybkiego wyszukiwania — zamrożone liczby M1-09, tabela rodzin cech, cytowania dotyczące standaryzacji, narzędzia i typowe sposoby niepowodzenia. Wersje dydaktyczne znajdują się w rozdziale; nazwy 107 cech zawiera dodatek z manifestem.

Trzy terminy

• Obrazowanie ilościowe — obiektywne, odtwarzalne pomiary (objętości, średnice, osłabienie promieniowania). Termin najszerszy i najłatwiejszy do obrony.
• Radiomika — duży zestaw cech (głównie tekstury/kształtu), po którym następuje modelowanie.
• Biomarker obrazowy — cecha zwalidowana względem biologicznego/klinicznego odniesienia. Większość cech radiomicznych nie jest biomarkerami.

Warstwa pomiarowa — centralny model rozdziału

biological reality → acquisition physics → reconstruction → segmentation/ROI
  → geometry + preprocessing → feature implementation → MEASUREMENT
  → statistical inference → predictive model → clinical claim

Model może wykorzystywać kernel, ośrodek, skaner, styl segmentacji lub przetwarzanie wstępne zamiast biologii; wysokie AUROC/C-index nie naprawia złej warstwy pomiarowej. Trafność/stabilność pomiaru · związek statystyczny · predykcja · użyteczność kliniczna to cztery różne pytania. Pełne omówienie: Warstwa pomiarowa.

Proces — łańcuch wyborów

acquisition/reconstruction → segmentation → preprocessing → resampling
  → discretisation → extraction → robustness → model

Ustal i raportuj każdy etap. Zamrożona kolejność M1-09 w TRACE-CT: piksele DICOM → HU (RescaleSlope/Intercept) → zewnętrzna izotropowa zmiana próbkowania do 1 mm (obraz B-spline, maska NN) → ograniczenie do [-1000, +400] HU → PyRadiomics (binWidth 25, tylko Original, rzeczywiste 3D, etykieta 1, bez normalizacji).

• Kolejność operacji określa cechę: resample → clip ≠ clip → resample (interpolacja otrzymuje inne dane wejściowe). TRACE-CT zamroził resample→clip jako swoją wdrożoną, zwalidowaną kolejność; zmiana kolejności zmienia mierzoną wielkość — jest częścią definicji pomiaru, a nie wyborem stylu (rozdział 4).
• Bez podwójnej zmiany próbkowania: zewnętrzna zmiana próbkowania oznacza, że resampledPixelSpacing w PyRadiomics musi pozostać None; dwa operatory interpolacji oznaczają inny pomiar.
• Ograniczenie wartości ≠ resegmentacja: ograniczenie wartości przypisuje wokselom obrazu wartości z ograniczonego zakresu (maska pozostaje bez zmian); resegmentRange usuwa woksele z maski (intensywność a maska morfologiczna). TRACE-CT: ograniczenie zewnętrzne, resegmentRange = None.

Macierz sześciu ustawień M1-09 — zmienna rekonstrukcji

TCIA RIDER Lung CT v3 (DOI 10.7937/K9/TCIA.2015.U1X8A5NR, CC BY 4.0; 32 pacjentów z NSCLC, dwa skany tego samego dnia, sześć ustawień dla każdego skanu; wszystkie sześć ustawień należy do aktualnego zakresu v3 — v2 obejmowała tylko 1.25L):

	kernel płucny (L)	kernel standardowy (S)
1.25 mm	1.25L	1.25S
2.5 mm	2.5L	2.5S
5 mm	5L	5S

• Analiza główna: Scan 1 1.25L a Scan 2 1.25L = powtarzalność test–retest — zmienność pomiaru w niemal identycznych warunkach, przy pomijalnej oczekiwanej ewolucji biologicznej guza w tym odstępie.
• Analiza wtórna: wszystkie C(6,2) = 15 par ustawień w obrębie tego samego skanu = odporność/zgodność rekonstrukcji (zmienia się wyłącznie rekonstrukcja).
• Są to odrębne analizy; nigdy nie łączy się ich w jedną ogólną liczbę „odtwarzalności”.
• Seria 5 mm utraciła już informacje o wysokich częstotliwościach w osi z; późniejsze zwiększenie próbkowania do 1 mm tworzy próbki, a nie anatomię.

Klasy cech — PyRadiomics, osiem, jeśli shape (2D) i shape (3D) liczyć osobno

first-order · shape (3D) · shape (2D) · GLCM · GLRLM · GLSZM · GLDM · NGTDM. Ściśle rzecz biorąc, danymi wejściowymi są: shape z geometrii maski (niezależne od wartości szarości — lecz zależne od maski: kernel wpływa tylko za jej pośrednictwem); first-order z rozkładu intensywności wokseli ROI (statystyki wartości surowych dla Mean/Median/Min/Max/Variance/percentyli; statystyki zdyskretyzowanego histogramu dla Entropy/Uniformity — zweryfikowano w przypiętym firstorder.py: targetVoxelArray a p_i); rodziny teksturalne z macierzy zbudowanych na zdyskretyzowanym ROI.

Zamrożony manifest M1-09 — 107 nieprzestarzałych cech Original 3D

Rodzina	Liczba	Punkt wyjścia
firstorder	18	rozkład intensywności wokseli ROI (wartości surowe dla Mean/Variance/…; zdyskretyzowany histogram dla Entropy/Uniformity)
shape	14	tylko maska
glcm	24	macierz współwystępowania
glrlm	16	macierz długości serii
glszm	16	macierz wielkości stref
gldm	14	macierz zależności
ngtdm	5	różnice odcieni szarości w sąsiedztwie
łącznie	107

Zgodnie z założeniami projektu uwzględniono wyłącznie Original: shape2D, Wavelet/LoG/Square/SquareRoot/Logarithm/ Exponential/Gradient/LBP, mapy wokseli, cechy przestarzałe i informacje diagnostyczne są wykluczone (projekt pomiaru wyjściowego; filtry stanowiłyby osobny zamrożony eksperyment). Zestaw odpowiada domyślnie włączonym, nieprzestarzałym cechom 3D w przypiętej wersji. Nazwy kanoniczne original_<class>_<Feature>; pełna lista: dodatek z manifestem. Ogólne stwierdzenie w artykule „107 features incl. wavelet” opisuje inny zestaw — zawsze pytaj: które 107?

Cechy filtrowane — poza M1-09

LoG (filtr pasmowoprzepustowy dla zadanej wartości sigma) i wavelet (pasma częstotliwości HHH/LLL/…), obliczane ponownie na przefiltrowanym obrazie. Klasa shape jest wykluczona (to właściwość maski). Wprowadzenie cech filtrowanych oznacza kolejną transformację wrażliwą na implementację — dokładna semantyka filtra musi być zgodna między programami, zanim zgodne będą wartości; problem ten uwzględnia standaryzacja filtrów IBSI 2. Ustal i raportuj typ filtra oraz jego parametry. Obliczenia 2D i 3D wyznaczają różne cechy — raportuj, którego wariantu użyto.

Dyskretyzacja

X_b = floor((X - L) / w) + 1 przy w > 0 i zadeklarowanej dolnej granicy lub kotwicy L (metoda stałego rozmiaru przedziału IBSI, FBS). Minimum ROI jest jedną z możliwych zadeklarowanych kotwic w ograniczonej konwencji, a nie jedynym ogólnym wyborem IBSI. PyRadiomics stosuje natomiast floor(X / w) - floor(min(X_ROI) / w) + 1: przedziały zakotwiczone w zerze oraz stałe przeetykietowanie, dzięki któremu zaobserwowane minimum ROI otrzymuje wartość

1. W szczególnych przypadkach formuły mogą się pokrywać, ale nie są zawsze numerycznie identyczne. Domyślna wartość PyRadiomics to binWidth = 25. Zmiana szerokości przedziału zmienia kontrakt dyskretyzacji i może zmienić wartości cech. Kierunek i wielkość zmiany zależą od danych, zadeklarowanego kontraktu dyskretyzacji, definicji cechy, macierzy i agregacji; z samej szerokości przedziału nie wynika żaden uniwersalny kierunek. Ustal i raportuj; nigdy nie dostrajaj do metryki.

Semantyka PyRadiomics — co operacyjnie oznacza „cecha X”

Nazwa + wersja/commit biblioteki + typ obrazu (Original a pochodny) + włączone klasy + dokładne listy cech + etykieta + 2D/3D (force2D false)

• geometria wejściowa + zmiana próbkowania (resampledPixelSpacing None) + interpolator + normalizacja (wyłączona) + rozróżnienie ograniczenia wartości/resegmentacji + binWidth + agregacja macierzy (domyślnie GLCM: uśredniane są wartości cech dla poszczególnych kątów; przy ważeniu według odległości macierze są najpierw ważone i sumowane — feature(average(matrices)) ≠ average(feature(matrices)) dla cech nieliniowych). Tekst konfiguracji ≠ konfiguracja wynikowa: pominięte wartości są wartościami domyślnymi; jedyna wiarygodna kontrola wczytuje plik przez przypięty ekstraktor i sprawdza konfigurację wynikową. SHA-256 manifestu umożliwia maszynowe sprawdzenie odpowiedzi na pytanie „które 107?”. Właściwe sformułowanie: definicje dostosowane do IBSI, z udokumentowaną semantyką implementacji PyRadiomics — nigdy ogólne „IBSI compliant”. Pełne omówienie: Nazwa cechy nie jest definicją operacyjną.

Statystyki zgodności

Współczynnik r Pearsona mierzy związek liniowy, a nie zgodność — dla co najmniej dwóch skończonych par obserwacji, przy niestałym X i dokładnej zależności Y = a + bX, gdy b > 0, otrzymujemy r = +1, a gdy b < 0 — r = -1; przy b = 0 lub zerowej wariancji r jest niezdefiniowany. Korelacja nie uwzględnia kalibracji.

CCC Lina (zamrożona główna metryka M1-09; Lin 1989, DOI 10.2307/2532051):

        2·cov(X,Y)
CCC = ────────────────────────────────────
       var(X) + var(Y) + (mean(X)−mean(Y))²

• Zgodność względem prostej identyczności y = x: precyzja × dokładność (mianownik = rozrzut X + rozrzut Y + kwadrat obciążenia średniej).
• Przykład obliczony krok po kroku: X=[1,2,3], Y=[2,4,6] → r = 1, CCC = 4/11 ≈ 0.36 (przesunięcie średniej wnosi 4 do mianownika 22/3). Y=X → CCC = 1; Y=2μ−X → CCC = −1 (doskonała niezgodność).
• Momenty populacyjne: zamrożony estymator wykorzystuje momenty 1/N dla obserwowanego wektora par (postać Lina). Nie jest to swobodny wybór — przy nierównych średnich N zamiast N−1 zmienia wartość CCC (4/11 zamiast 4/9 w opracowanym przykładzie); definicja estymatora należy do zamrożonego kontraktu statystycznego.
• Przypadki zdegenerowane: < 2 skończone pary albo zerowy mianownik (oba wektory stałe i równe) → CCC niezdefiniowane, zapisane z dokładną przyczyną, nigdy zastępowane przez 0/1. Wektory stałe, lecz różne → dobrze zdefiniowane CCC = 0.
• Semantyka liczebności kwalifikowanej (N): kwalifikacja kohorty wyłącznie na podstawie metadanych kwalifikacyjnych; niepowodzenia ekstrakcji (NaN/Inf) zmniejszają n_finite_pairs, nigdy n_eligible_paired_subjects. Bez imputacji wartości cech.
• Pełne omówienie: Korelacja, konkordancja i zgodność.

Bootstrap dla par + ziarno — zamrożony kontrakt CI

10,000 replikacji · jednostka losowania = para pomiarów jednej osoby (oba skany są losowane łącznie; niezależne losowanie obserwacji dla Scan1/Scan2 niszczy sparowanie) · ziarno 1729 · CI = percentyle 2.5/97.5 prawidłowych replikacji CCC · CI raportowane tylko wtedy, gdy odsetek prawidłowych replikacji ≥ 0.95 · replikacje nieprawidłowe (CCC niezdefiniowane) są zliczane, nigdy zastępowane · NOT_RUN (punktowe CCC nie nadaje się do raportowania; liczby 0, odsetek null) a RUN — jawny zapis wykonania. Bootstrap szacuje niepewność; nie tworzy nowych danych biologicznych (wybór możliwy do obrony i zamrożony — nie jedyna metoda estymacji przedziału). Ziarno: odtworzenie wymaga tego samego ziarna oraz tej samej implementacji PRNG i przypiętego środowiska (ziarno jest jednym elementem proweniencji, a nie całym kontraktem odtwarzalności); 42 i 1729 nie różnią się znaczeniem statystycznym — określenie z góry zapobiega dobieraniu wyniku; zamrożony zapis pochodzenia wyklucza swobodne zmiany po sprawdzeniu danych. Pełne omówienie: Niepewność dla danych sparowanych i odtwarzalność.

Zamrożone zasady raportowalności i punkt odniesienia

REPORTABLE wymaga ≥ 25 prawidłowych par test–retest o skończonych wartościach (istniejąca konwencja kwalifikacji RIDER) ORAZ matematycznie zdefiniowanego CCC; dokładne przyczyny NOT_REPORTABLE stanowią część metadanych kwalifikacji projektu. CCC ≥ 0.90 jest określonym z góry opisowym punktem odniesienia („wysoka powtarzalność”), raportowanym jako liczby/odsetki — NIE jest kryterium zaliczenia/niezaliczenia ani selekcją cech; niskie CCC jest pełnoprawnym materiałem dowodowym; cech nigdy nie odrzuca się po cichu. Progi spotykane w literaturze (przedziały ICC/CCC ~0.75/0.85/0.90) są konwencjami zależnymi od kontekstu — raportuj rozkłady.

Odporność — trzy poziomy

• Powtarzalność (ten sam skaner/sesja) — powtórzenia RIDER tego samego dnia, to samo ustawienie.
• Odporność/zgodność rekonstrukcji (ta sama akwizycja, inna rekonstrukcja) — 15 par ustawień.
• Odtwarzalność (między skanerami/ośrodkami/protokołami) — najtrudniejsze kryterium.
• Perturbacja (niewielka zmiana maski/parametrów) = zawsze dostępny odpowiednik. Jeśli stabilność służy do selekcji, filtruj wewnątrz walidacji.

Kontrole negatywne i wartości odniesienia — falsyfikacja deklarowanego sygnału

Drabina wartości odniesienia: kliniczna → objętość → kształt → first-order → tekstura → pełny zestaw. Wzrost względem objętości jest kryterium, którego większość twierdzeń o teksturze nigdy nie spełnia. Rozróżnienia: permutacja etykiet (kontrola poprawności procesu) · negatywna kontrola reprezentacji (trafność — np. przetasowanie wokseli ROI: zachowuje maskę/objętość/kształt/histogram, niszczy organizację przestrzenną) · ablacja (przypisanie wkładu komponentu). Zweryfikowane źródła: Welch et al., Radiother Oncol 2019;130:2-9, PMID 30416044 (sygnatura typu Aerts = surogat objętości po przetasowaniu; publikacja recenzowana); READII-2-ROQC, arXiv:2607.28423 (preprint; 9 konfiguracji kontrolnych, 3,552 guzy, zakłócenie związane z tłem w modelu bazowym). Nieprzejście kontroli falsyfikuje interpretację teksturalną; przejście kontroli nie dowodzi przyczynowości (fizyka akwizycji również ma organizację przestrzenną). Pełne omówienie: Falsyfikacja, modele bazowe i kontrole negatywne.

Definicja regionu — wewnątrz / wokół / wiele regionów

feature = f(image, region definition, geometry, preprocessing, implementation). Pierścienie w mm na określonej siatce (nigdy w liczbie wokseli); dilation − tumour = ring; erosion = core; przytnij pierścienie do anatomicznie znaczącej tkanki i raportuj wykluczenia. Zmiany regionu wzmacniają wrażliwość na segmentację i odstęp, a ich wpływ zależy od wielkości zmiany. Przeszukiwanie wielu szerokości pierścienia (2/3/5/7 mm …) oznacza wielokrotność porównań: „optymalna szerokość” jest swoista dla badania (zweryfikowane, recenzowane przykłady NSCLC wybrały 3 mm dla jednej kohorty/punktu końcowego i 6 mm dla innej). Pełne omówienie: Gdzie odbywa się pomiar, rozdział 4.

Radiomika delta — ujęcie podłużne

Delta = pomiar pochodny: bezwzględny / względny / logarytm ilorazu, wybrany przed poznaniem wyników; odstęp + kontekst leczenia są częścią definicji. Powtarzalność (test–retest) = poziom szumu — zmiana poniżej tego poziomu jest niemożliwa do interpretacji; zmiana powyżej nadal jest jedynie kandydatem, dopóki nie uwzględni się czynników zakłócających; nie istnieje uniwersalny próg. Przy dwóch punktach czasowych trzeba uwzględnić: zgodność protokołu (wyklucz niespójne pary), segmentacja w obu punktach, zmiana składu ROI, rejestracja (tylko dla analizy wokselowej), identyczne przetwarzanie wstępne. Jednostka statystyczna = para dla pacjenta; pomiar wyjściowy w zbiorze treningowym/pomiar w obserwacji kontrolnej w zbiorze testowym = przeciek. Zweryfikowane przykłady: prospektywne badanie PDAC NALIRIFOX (Transl Oncol 2026, doi:10.1016/j.tranon.2026.102900; 107→55, bootstrap; Δ-volume najsilniejszym predyktorem); zewnętrznie zwalidowane delty PDAC (Ann Surg Oncol 2024;31:2608-2620; najlepsze połączenie clinical+delta). Pełne omówienie: Zmiana w czasie i bezwzględny błąd pomiaru.

Surowa odporność a harmonizacja — kolejność

Najpierw zmierz surową wrażliwość na rekonstrukcję; harmonizacja jest interwencją wykonywaną po ustaleniu wartości wyjściowej, jako odrębny, zamrożony eksperyment. Ograniczenia ComBat (Johnson 2007; przewodnik po radiomice Orlhac 2022): dostosowuje rozkłady cech, nie może odtworzyć fizyki utraconej podczas akwizycji/rekonstrukcji; zakłada niezależność efektów partii od wyniku; dopasowanie tylko na danych treningowych (w przeciwnym razie przeciek); udokumentowano przypadki niespełnienia założeń. Pełne omówienie: Harmonizacja i przekazanie do modelu, Studium przypadku: pomiar przed interwencją.

Warstwy standaryzacji

• IBSI 1 — Zwanenburg et al., Radiology 2020;295(2):328-338, PMID 32154773, doi:10.1148/radiol.2020191145. 169 standaryzowanych cech + referencyjny proces przetwarzania. Definiuje sposób obliczania cechy.
• IBSI 2 — Whybra et al., Radiology 2024, doi:10.1148/radiol.231319. Standaryzowane filtry (LoG, wavelet, Riesz).
• QIBA (RSNA, zał. 2007; rsna.org/QIBA) — ramy wartości pomiaru: Profile formułuje Claim dotyczące działania (obciążenie + powtarzalność) biomarkera w ramach protokołu. Definiuje wartość pomiaru.
• CLEAR — Kocak et al., Insights Imaging 2023;14:75, PMID 37142815, PMCID PMC10160267. Raportowanie radiomiki (58 pozycji, popierane przez ESR/EuSoMII; CLEAR-E3 + METRICS). Definiuje, co badanie musi raportować.

Relacja: QIBA (wartość pomiaru) → IBSI 1/2 (obliczenia) → PyRadiomics (jedna implementacja, dostosowana do IBSI i o udokumentowanej semantyce) → CLEAR (raportowanie). Są to różne, uzupełniające się warstwy; artykuł nie zastępuje standardu, a implementacja nie jest standardem.

Narzędzia

• PyRadiomics — implementacja (typy obrazów, binWidth, zmiana próbkowania, klasy cech, parametry filtrów przez YAML; weryfikacja ustawień efektywnych). Przypnij wersję i commit; gdy wymagana jest ścisła odtwarzalność wyników między programami, przeczytaj uwagi dotyczące każdej cechy.
• SlicerRadiomics — PyRadiomics jako rozszerzenie 3D Slicer (interaktywne budowanie intuicji).
• IBSI — warstwa standaryzacji (nie oprogramowanie).
• TRACE-CT wykorzystuje zatwierdzony w repozytorium YAML PyRadiomics ze skrótem kontrolnym oraz manifest.

Co zwykle idzie źle

• Nazywanie cech biomarkerami; nieraportowane binWidth/odstęp/interpolacja/ rekonstrukcja; łączenie rekonstrukcji; przekazywanie jawnie binarnej maski dalej jako ułamkowej po interpolacji liniowej bez zadeklarowanego progowania/ponownej binaryzacji (rozdz. 4); podwójna zmiana próbkowania; mylenie ograniczenia wartości z resegmentacją; raportowanie Pearson r jako „powtarzalności”; selekcja cech przed podziałem danych albo ukryta pod nazwą „filtra stabilności”; stosowanie ComBat globalnie (przeciek), przed pomiarem wartości wyjściowej lub gdy partia koreluje z wynikiem; ufanie p >> n, ponieważ CV wygląda dobrze; mylenie stabilności z wartością predykcyjną i użytecznością kliniczną.
• Brak objętości/klinicznej wartości odniesienia przed twierdzeniem o teksturze; „optymalna” szerokość pierścienia wybrana post hoc; interpretacja cech delta bez poziomu szumu wyznaczonego przez powtarzalność; rozdzielenie wierszy wartości wyjściowych i kontrolnych między zbiory treningowy i testowy.

Powiązanie z TRACE-CT — tylko do odczytu

Implementację podanych wyżej zamrożonych wartości protokołu M1-09 — narzędzia do ekstrakcji, obsługi zamrożonej konfiguracji, weryfikacji, obliczeń statystycznych i kontroli determinizmu — zinwentaryzowano w mapie nauki TRACE-CT, wraz ze statusem wykonania projektu. Wyniki pomiarów uzyskane w projekcie odnoszą się wyłącznie do odpowiednich kohort i protokołów, a nie stanowią uniwersalnego twierdzenia o rodzinie cech.

Materiał rozszerzony

• IBSI 1 (PMID 32154773), IBSI 2 (doi:10.1148/radiol.231319), QIBA (rsna.org/QIBA), CLEAR (PMID 37142815).
• Dokumentacja PyRadiomics (cechy, dostosowywanie).
• Lin LI. CCC. Biometrics 1989;45(1):255-268 (PMID 2720055, doi:10.2307/2532051); Efron B. Bootstrap. Ann Statist 1979;7(1):1-26 (doi:10.1214/aos/1176344552).
• TCIA RIDER Lung CT v3 (strona kolekcji, DOI 10.7937/K9/TCIA.2015.U1X8A5NR); Zhao B et al., Radiology 2009;252(1):263-272 (projekt powtórzenia tego samego dnia; PMID 19561260, doi:10.1148/radiol.2522081593).
• Lambin et al. (początki radiomiki) + współczesna krytyka odtwarzalności; należy je czytać łącznie.

Co zapamiętać — podsumowanie rozdziału

1. Proces = łańcuch wyborów; ustal i raportuj każdy z nich (binWidth, odstęp, interpolacja, kernel, 2D/3D, kolejność operacji, wersja).
2. Warstwa pomiarowa leży między biologią a modelami; odporna ≠ predykcyjna ≠ użyteczna klinicznie; modele wykorzystują zastępcze sygnały pochodzące z procesu przetwarzania.
3. Zamrożony projekt M1-09: macierz sześciu ustawień; 107 cech Original 3D (manifest ze skrótem kontrolnym); CCC (momenty populacyjne, prosta identyczności); bootstrap z losowaniem par dla osób (10,000, ziarno 1729, ≥0.95 prawidłowych replikacji, percentylowy CI); CCC ≥ 0.90 wyłącznie opisowe; zgodnie z projektem bez selekcji/harmonizacji/modelowania.
4. Powtarzalność ≠ zgodność rekonstrukcji ≠ odtwarzalność; zmierz surową wartość wyjściową przed każdą interwencją; ComBat zmienia rozkłady, nie fizykę.
5. Warstwy standaryzacji: QIBA (wartość) → IBSI 1/2 (obliczenia) → PyRadiomics (implementacja) → CLEAR (raportowanie).