本笔记来源于B站Up主: 有Li 的影像组学系列教学视频
本节(42)主要内容：影像组学特征提取问题解决过程复现
问题来源于李博士影像组学交流群里一个朋友的提问：
最开始李博士认为是由于影像组学提取过程中对于边缘层的处理不一样所致，于是建议在这10层的基础上分别外扩5层（也就是一共20层）再来提取特征。但是尝试之后，这位朋友得到了3个不同的结果。对比这些结果之后发现，只有 first order 这类特征值不一样，其它的都一样(除外小波变换后衍生的特征值)。
shape 特征值一致，而 first order 不一样，这就意味着图像已经不是原来的图像了。于是李博士怀疑是图像保存过程中出现了问题（单独保存这分析用的10层时）。李博士建议他把全部影像读进去再保存，看一下结果如何。但这个假设还没有来得及验证。
然后李博士灵光乍现，想起来了最有可能导致这个问题的原因：在提取特征之前对图像进行的标准化(Normalization)操作！
对整个图层做标准化，和只对部分图层做标准化，其结果必然不一样。
Tips：pyradiomics 默认不进行 normalization，需自行设置。
李博士抽丝剥茧般的思维方法和解决问题技巧值得我们学习！
知识温习：
顺便复习一下pyradiomics里提取的各类特征类别和数目，以及 first order 19个指标的名称。
original_firstorder_10Percentile
original_firstorder_90Percentile
original_firstorder_Energy
original_firstorder_Entropy
original_firstorder_InterquartileRange
original_firstorder_Kurtosis
original_firstorder_Maximum
original_firstorder_MeanAbsoluteDeviation
original_firstorder_Mean
original_firstorder_Median
original_firstorder_Minimum
original_firstorder_Range
original_firstorder_RobustMeanAbsoluteDeviation
original_firstorder_RootMeanSquared
original_firstorder_Skewness
original_firstorder_TotalEnergy
original_firstorder_Uniformity
original_firstorder_Variance
参考资料：
https://pyradiomics.readthedocs.io/en/latest/index.html
