科研 Skill

放射组学特征提取与建模

20-ai-medical-imaging-ai-feature-extraction

在AI医学影像领域开展“特征提取”任务时使用;根据输入、科学假设和运行环境,在影像组学下已保留的方法实现之间路由。

官方收录发布者 Codar安全审核通过v0.1.1更新于 2026-09-04

SKILL.md

放射组学特征提取与建模

输入包括原始影像、ROI、spacing、重建参数和结局。先固定重采样、强度离散化、归一化和 PyRadiomics/IBSI 设置;二维、三维和滤波特征不能无说明混用。

在标注者、重分割、重采样和扫描条件变化下评估特征稳定性。低稳定或与体积几乎等价的特征应识别出来。患者级拆分后,在训练折内完成缺失处理、标准化、相关过滤、特征选择和调参。

比较仅临床、仅体积和完整放射组学模型,报告独立测试的区分度、校准和净获益。交付 ROI 质量、参数文件、特征字典、稳定性、模型和验证结果。小样本高维结果没有独立验证时只能称探索性。

所属插件

AI医学影像影像组学、医学影像深度学习与数字病理。

安装该插件会一并获得同领域的 22 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

放射组学特征提取与建模能做什么?

在AI医学影像领域开展“特征提取”任务时使用;根据输入、科学假设和运行环境,在影像组学下已保留的方法实现之间路由。

如何安装放射组学特征提取与建模?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「放射组学特征提取与建模」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

放射组学特征提取与建模需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

放射组学特征提取与建模经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。