Question

我想计算2个二元对象之间的表面距离度量，也就是肝脏肿瘤的分割。我想要计算：

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）

我找到了两个可以帮助我计算这些指标的库，但是我得到了相互矛盾的结果，所以我很困惑它们是如何工作的。

这是我的简单ITK和MedPy的代码。

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SimpleITK会计算出来对称距离。那个图书馆的人有没有实施？我怎样才能获得它们？
MedPy是一个可靠的图书馆吗？我可以计算对称的根均值与它同方？
库的其他建议用于计算表面距离指标？
我应该计算Mauerer距离图的绝对值吗？我不确定它会如何影响结果。 reference_distance_map = sitk.Abs(sitk.SignedMaurerDistanceMap(reference_segmentation, squaredDistance=False, useImageSpacing=True))

Answer 1

签名距离图不对称。豪斯多夫的距离应该是。

对于网格比较，我过去使用过metro。

对于Maurer，正距离表示外部，负距离表示内部。如果你想计算不一致，你应该采取绝对值。

Answer 2

@Roxanne

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

答案的其余部分涉及该代码。

均值/标准/中位数/最大值不对称（豪斯多夫是）。

使用SimpleITK，您可以计算对称均值和标准差计算分段的均值和标准差，然后计算参考（代码用于分段，所以只需切换角色，然后将其作为参考）。

现在您有两个样本的平均值和标准偏差。要获得样本的大小，请调用：

label_intensity_statistics_filter.GetNumberOfPixels(label)

计算n1，m1，s1，n2，m2，s2的知识的对称均值和标准差：

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

请注意，标准偏差的样本估计值是偏差版本（类似于numpy.std的默认行为）。

如果您还有其他问题，请发送到ITK discourse forum。

计算对称表面距离[Python]

2 个答案: