计算对称表面距离 [Python]答案

【问题标题】：Compute symmetric surface distances [Python]计算对称表面距离 [Python]
【发布时间】：2017-11-15 04:25:44
【问题描述】：

我想计算 2 个二进制对象之间的表面距离度量，也就是肝肿瘤的分割。我正在计算：

平均对称表面距离
均方根对称距离
豪斯多夫距离（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，但我得到的结果相互矛盾，所以我很困惑它们是如何工作的。

这是我的 Simple ITK 和 MedPy 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 计算对称距离。该库中的那些有任何实现吗？我怎样才能获得它们？
MedPy 是一个可靠的库吗？我可以计算对称根均值吗与它成正比？
计算表面距离的库的其他建议指标？
我应该计算 Mauerer 距离图的绝对值吗？我不确定它如何影响结果。 reference_distance_map = sitk.Abs(sitk.SignedMaurerDistanceMap(reference_segmentation, squaredDistance=False, useImageSpacing=True))

【问题讨论】：

标签： python image-segmentation itk simpleitk

【解决方案1】：

@罗克珊

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

答案的其余部分是指该代码。

均值/标准/中值/最大值不是对称的（豪斯多夫是）。

使用 SimpleITK，您可以通过以下方式计算对称均值和标准差计算分割的均值和标准差，然后作为参考（代码是为分割做的，所以只需切换角色，你就可以得到它作为参考）。

现在您有了两个样本的均值和标准差。要获取样本的大小，只需调用：

label_intensity_statistics_filter.GetNumberOfPixels(label)

根据 n1,m1,s1, n2,m2,s2 的知识计算对称均值和标准差：

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

如果您还有其他问题，请发帖至ITK discourse forum。

【讨论】：

我是否必须重新计算 Mauerer 距离，这次是从掩模表面到参考分割？然后在参考轮廓和蒙版的 Mauere 距离之间再次执行label_intensity_statistics_filter？
是的，你说得对。我正在使用 SimpleITK 笔记本
this question 在讨论论坛上也提出了对称的需求。如果这不是您（使用不同的名称），答案包括一个指向对称表面距离更新代码的链接。

【解决方案2】：

有符号距离图不是对称的。 Hausdorff 距离应该是。

对于网格比较，我过去使用过metro。

对于 Maurer，正距离意味着外部，负距离意味着内部。如果你想计算分歧，你应该取绝对值。

【讨论】：