Resumo
PyRadiomics extrai 6 classes de features de textura de imagens médicas 2D: First Order (19), GLCM (24), GLRLM (16), GLSZM (16), NGTDM (5), GLDM (14), Shape (subset 2D). Com filtros (wavelet, LoG), o total atinge ~1500 features por imagem. Essas texturas são invisíveis ao olho humano e detectam padrões microestruturais.
Conceito
Em ultrassom funcional, radiomics transforma cada frame em um vetor de alta dimensionalidade que captura informação que o laudo descritivo perde. Exemplos práticos:
- Fígado: texturas GLCM (contrast, correlation, energy, homogeneity) como proxy de fibrose precoce quando elastografia não está disponível
- Músculo: echogenicity média + features de textura discriminam infiltração gordurosa intramuscular vs fibrose
- Tireoide: features radiômicas de nódulos podem melhorar estratificação TI-RADS
Requisitos: IBSI compliance para reprodutibilidade, discretização de bins padronizada, normalização z-score ou min-max, ROI consistente. No pipeline: radiomics.featureExtractor com force2D=True.
Evidência
PyRadiomics é o padrão de facto, publicado e validado. IBSI (Image Biomarker Standardisation Initiative) define padrões de reprodutibilidade. O campo de radiomics em ultrassom é menos maduro que em TC/RM mas crescente.
Limitações
- Radiomics em US é campo menos maduro que em TC/RM
- Variabilidade de equipamentos e presets afeta reprodutibilidade de features
- Significado clínico de features individuais muitas vezes desconhecido
Translação
Nenhum item de translação identificado.
Auto-Research Needed
- PubMed: “radiomics ultrasound liver fibrosis texture features”
- PubMed: “radiomics ultrasound muscle quality sarcopenia”
Notas Relacionadas
- Radiomics por ultrassom extrai 1500+ features invisíveis ao olho — diferencial competitivo
- HRI (Hepato-Renal Index) quantifica esteatose com 100% sensibilidade e 91% especificidade