1. 课程导入

医学影像组学（Radiomics）试图回答一个朴素但困难的问题：一张CT、MRI或PET图像里，除了医生肉眼能看到的形态学征象之外，是否还隐藏着可被计算机稳定量化、并与疾病生物学行为相关的信息？医学影像组学特征工程，正是把这个问题从"想法"变成"可计算数据"的关键环节。它指的是：在完成图像采集与感兴趣区（ROI）勾画之后，通过一系列可复现的数学变换与统计计算，从图像中提取出高维、定量的特征，并对这些特征进行筛选、变换与组合，最终形成可用于建模的特征矩阵的完整过程。

需要强调的是，特征工程并不等同于"调用一个特征提取库"。它至少包含四层含义：其一，定义特征——明确要计算哪些类别的特征（一阶统计、形状、纹理、小波、LoG等）；其二，控制计算条件——如灰度离散化bin宽度、重采样体素间距、滤波器参数；其三，处理特征——缺失值、异常值、标准化、降维、稳定性筛选；其四，组织输出——形成"样本×特征"的矩阵及配套的特征字典。缺少任何一层，后续建模都可能建立在不可靠的数字之上。

特征工程在影像组学流程中的位置

一个典型的影像组学工作流可以概括为：图像采集 → 图像预处理 → ROI分割 → 特征工程 → 特征选择与降维 → 模型构建 → 验证与评估 → 临床落地。特征工程处在"分割"与"建模"之间，是承上启下的枢纽：向上，它依赖分割质量与预处理一致性；向下，它决定了模型可用的信息上限。若特征本身不稳定、不可复现或与标签无关，再复杂的分类器也无法挽救。

特征工程的目标：从像素到可建模的数字

特征工程的目标不是"提取尽可能多的特征"，而是构建一组可复现、有区分度、与临床问题相关的定量描述。具体可拆解为四个可检验的目标：

• 可复现性：同一图像、同一ROI、同一参数下，不同时间、不同机器计算出的特征值应高度一致。通常用组内相关系数（ICC）衡量，ICC > 0.75 常被视为稳定性可接受。
• 信息覆盖：特征应覆盖强度分布、形状、纹理、多尺度信息等不同维度，避免单一视角导致信息缺失。
• 与标签相关：特征需在良恶性、基因突变、疗效等目标标签上表现出统计差异或预测能力。
• 维度可控：原始特征常达数百至数千维，需通过筛选与降维控制过拟合风险，使特征数远小于样本数。

课程路线图：30章如何组织

本课程围绕"从图像到特征矩阵"的完整链路展开，30章大致分为五个板块：基础与流程定位（第1–4章）建立概念框架与工具环境；图像预处理与分割（第5–9章）解决输入一致性；特征提取与计算（第10–18章）逐一展开一阶、形状、GLCM、GLRLM、GLSZM、GLDM、NGTDM及小波/LoG滤波特征；特征处理与选择（第19–24章）覆盖缺失值、标准化、ICC稳定性筛选、LASSO、mRMR与降维；建模、验证与落地（第25–30章）完成模型构建、内部/外部验证、报告规范与可复现工程化。

一个最小示例：从ROI到特征矩阵

为建立直观感受，假设我们有一个已勾画好的肺部结节ROI，体素间距已重采样为1×1×1 mm³，灰度离散化bin宽度设为25 HU。特征工程的第一步是计算一阶统计特征，例如：

# 示例：一阶特征计算（伪代码，参数为教学假设）
roi_voxels = image[roi_mask == 1]          # 提取ROI内体素
bins = np.arange(roi_voxels.min(), roi_voxels.max() + 25, 25)
hist, _ = np.histogram(roi_voxels, bins=bins)
p = hist / hist.sum()                       # 归一化直方图

mean_intensity = np.mean(roi_voxels)        # 均值
entropy = -np.sum(p * np.log2(p + 1e-12))   # 熵
energy = np.sum(p ** 2)                     # 能量
# 输出示例（假设值）：mean=42.3 HU, entropy=4.87, energy=0.031

上述数值仅为教学假设，用于说明"一个ROI如何变成几个数字"。当把一阶、形状、纹理等数百个特征按列拼接，就得到一行特征向量；对全部样本重复该过程，便得到样本×特征矩阵。这张矩阵，就是后续所有建模工作的起点。