发表机构
Complejo Asistencial Universitario de León; Hospital Universitario Rey Juan Carlos; Health Research Institute of the Jiménez Díaz Foundation; Rey Juan Carlos University; Universidad de Oviedo; IFCA-CSIC; Universidad Autónoma de Chile（莱昂大学综合医院; 胡安卡洛斯国王大学医院; 希门尼斯·迪亚斯基金会健康研究所; 胡安卡洛斯国王大学; 奥维耶多大学; 西班牙国家研究委员会坎塔布里亚物理研究所; 智利自治大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对各向异性医学影像中相同体素偏移代表不同物理距离的问题，提出并验证了 PyRadiomics 的体素间距感知扩展，在不插值的情况下纳入间距信息，为异构数据集中的间距感知放射组学评估奠定基础。
AI 中文摘要
放射组学纹理特征通常从各向异性的 CT 和 MRI 采集数据中提取，在这些数据中，相同的体素偏移可能代表不同的物理距离。我们实现并验证了 PyRadiomics 的体素间距感知扩展，该扩展在不生成插值灰度的情况下纳入间距信息。该框架在 Python 前端、C 包装器和计算后端上运行。GLCM 使用各向异性相对的特征级角度聚合，NGTDM 使用各向异性相对的加权邻域平均，而 GLRLM、GLDM 和 GLSZM 则在源自原生各向异性网格的有限体积零阶保持表示上计算。使用合成 3D 体模进行软件验证。当间距感知模式被禁用时，修改后的实现精确复现了标准 PyRadiomics，并且在各向同性间距下，75 个纹理特征保持等效。在各向异性间距下，该方法选择性地修改了纹理族，并且在数值上与最近邻、线性和 B 样条重采样不同。计算分析显示运行时间和内存增加适中，而敏感性分析量化了有限体积舍入效应，并确认间距感知差异在不同 binWidth 设置下持续存在。该框架为未来在异构医学影像数据集中评估间距感知放射组学提供了向后兼容的技术基础。
英文摘要
Radiomic texture features are commonly extracted from anisotropic CT and MRI acquisitions, where identical voxel offsets may represent different physical distances. We implemented and validated a voxel-spacing-aware extension of PyRadiomics that incorporates spacing information without generating interpolated gray levels. The framework operates across the Python frontend, C wrapper, and computational backend. GLCM uses anisotropy-relative feature-level angular aggregation, NGTDM uses anisotropy-relative weighted neighborhood averaging, and GLRLM, GLDM, and GLSZM are computed on a finite-volume zero-order-hold representation derived from the native anisotropic grid. Synthetic 3D phantoms were used for software validation. The modified implementation reproduced standard PyRadiomics exactly when spacing-aware mode was disabled and remained equivalent under isotropic spacing across 75 texture features. Under anisotropic spacing, the method selectively modified texture families and was numerically distinct from nearest-neighbor, linear, and B-spline resampling. Computational profiling showed moderate runtime and memory increases, while sensitivity analyses quantified finite-volume rounding effects and confirmed that spacing-aware differences persisted across binWidth settings. The framework provides a backward-compatible technical basis for future evaluation of spacing-aware radiomics in heterogeneous medical imaging datasets.
