在很大程度上，是的。
PyRadiomics开发也参与了IBSI团队的标准化工作。然而，PyRadiomics和IBSI文档中定义的特征提取之间还是存在一些差异。这些差异出现在存在几种同样有效的替代方案的地方。在其中一些情况下，PyRadiomics选择了一种替代方案，而IBSI标准推荐另一种。为了保持PyRadiomics开发的一致性，我们选择不改变PyRadiomics的实现，而是记录差异。
最值得注意的是灰度离散化（仅针对固定bin大小类型）和重采样的差异。这些差异不能仅通过自定义设置进行修正，而需要使用自定义函数替换：
分箱：在使用固定bin宽度进行灰度离散化时（又称IBSI：FBS，固定bin大小），如果设置了重新分割（最明显的是情况A和C），IBSI会计算从重新分割范围的最小值（如果是绝对重新分割）或最小强度（如果是σ重新分割）开始的等间距bin边缘。
在PyRadiomics中，使用固定bin宽度的灰度离散化始终使用从0开始的等间距bin边缘，确保最低灰度级被离散化到第一个bin。无论重新分割等情况如何。
重采样：
网格对齐：在IBSI中，通过对齐图像的中心来对齐重采样网格，而在PyRadiomics中，我们对齐原点体素的角。这可能导致稍微不同的插值结果，甚至重采样图像和ROI的大小略有不同，从而导致提取的特征值之间的差异。 灰度值舍入：在IBSI中，他们认为，如果原始强度值来自某些较低精度的数据类型，重采样值（通常是64位的浮点数）应该重新采样到类似的分辨率。在IBSI幻影的情况下，重采样到最近的整数。PyRadiomics没有实现这一点，因为差异可能很小，因此增加复杂性而非增加提取值的意义。特别是考虑到在计算大多数（除一阶外）特征之前，灰度值都是离散化的。如果进行了某种归一化，则灰度值的意义也会发生变化。这里的差异是因为小的舍入差异可能导致体素被分配到不同一个bin，这可能会导致特征值结果的显著变化，特别是在较小的ROI中。
掩膜重采样：在IBSI中，还可以为掩膜重采样选择不同的插值器，并附加阈值以检索二值掩膜。这仅在掩膜限于零和非零（即1）值时有效。PyRadiomics还支持具有不同值标签的掩膜，允许通过指示不同的标签值从同一掩膜文件中提取不同的ROI。为防止任何不正确的重新分配，PyRadiomics强制掩膜重采样为最近邻。
接下来，还有一些差异可以通过自定义设置解决，本例仅适用于配置E，即同时执行绝对和σ重新分割。在PyRadiomics中，两种类型都已实现，但一次只能选择一种。为了模拟应用两种类型，我计算了重新分割后的绝对范围，并将其用作绝对重新分割范围：[-718, 400]
最后，在PyRadiomics和IBSI中，一阶特征：峰度的计算存在差异。IBSI计算的是超额峰度，即峰度减3。PyRadiomics计算的是峰度，比IBSI高3。这个差异的原因是高斯分布的峰度为3。
所以总结起来，PyRadiomics结果和IBSI基准之间的差异原因，分别对应各种情况：
配置C：由于灰度离散化和重采样的差异 配置D：由于重采样的差异 配置E：由于重采样和重新分割的差异
