第004篇读书笔记：从特征到模型，图像终于开始变成预测
本次阅读范围
这一篇继续第2章，进入影像组学最核心的“数据化”和“建模”部分。
本次覆盖 3 个一级小节，下面共有 13 个二级小节：
- 2.6 特征提取：人工设计的特征、深度学习特征。
- 2.7 特征选择与降维：传统线性降维、基于特征选择的降维、基于模型与正则化的特征选择。
- 2.8 模型构建：线性回归、线性分类、树模型、自适应提升、模型选择、卷积神经网络、迁移学习、半监督学习。
先讲背景：什么叫“特征”
上一篇我们读的是检测、配准、分割和可视化。那些工作是在回答一个问题：病灶在哪里，边界靠不靠谱，图像能不能对齐。
这一篇开始回答另一个问题：找到了病灶以后，怎么把它变成模型能读懂的数据？
这里的关键词就是“特征”。
可以把特征理解成图像的数字化描述。医生看图时会说：这个病灶大不大，边界规不规则，内部是不是均匀，纹理是不是复杂。影像组学要做的，是把这些观察尽量转化成可计算的数字。
第一站：特征提取
2.6 讲特征提取。书里把特征大致分成两类：人工设计的特征和深度学习特征。
人工设计的特征更像是“人先定义好怎么算”。比如强度特征看灰度分布，形状特征看体积、表面积、紧实度，纹理特征看图像内部的灰度排列和组织分布，小波特征则把图像拆到不同频段里，再去看隐藏信息。
这张原书图很直观：强度、形状、纹理、小波，分别从不同角度描述同一个病灶。它们不是在重复看图，而是在把图像拆成多种“可量化语言”。
深度学习特征则不同。它不是由人手工规定公式，而是让模型从数据里自动学习。比如 CNN，也就是卷积神经网络，可以从图像中逐层学习边缘、形状、更复杂的抽象模式。
这两类特征各有特点。人工特征更容易解释，但受限于人能想到什么。深度学习特征更灵活，但解释起来更难。
第二站：特征选择与降维
2.7 讲特征选择与降维。这个部分非常关键，因为影像组学经常会提取出大量特征，但样本量并不一定大。
如果特征太多，而病例太少，模型很容易出现一个问题：它不是学到了疾病规律，而是记住了训练数据里的偶然噪声。这就是过拟合。
所以特征选择的目标不是“越多越好”，而是从大量候选特征里筛出更稳定、更相关、更不冗余的一小部分。
书里提到 PCA、LDA、LASSO、mRMR 等方法。普通读者不用记住所有公式，可以先这样理解：
PCA 更像是把高维信息压缩成几个主要方向。LDA 会考虑类别标签，尽量让不同类别分得更开。LASSO 会让一些不重要特征的系数变成 0，相当于自动淘汰一部分特征。mRMR 则强调“和目标相关，同时彼此不太重复”。
这张图展示的是 LASSO 的思路：随着惩罚强度变化，一些特征系数会逐渐收缩，最后只留下更关键的特征。对影像组学来说，这一步是在帮模型减负。
第三站：模型构建
2.8 进入模型构建。模型的作用，是学习“特征”和“临床结果”之间的关系。
如果目标是连续值，比如生存期、风险评分，可以用回归模型或 Cox 模型。如果目标是类别，比如良性还是恶性、基因是否突变，可以用分类模型。
书里讲到线性分类、SVM、树模型、随机森林、梯度提升树、AdaBoost、CNN、迁移学习和半监督学习。名字很多，但主线只有一个：给模型一组特征，让它学习怎样把这些特征对应到临床问题上。
AdaBoost 的图很适合做直觉理解。它会不断关注前一轮分错的样本，让后面的弱分类器重点补错，最后把多个弱模型组合成更强的模型。
深度学习模型则更进一步。它可以把特征提取和模型预测放在同一个网络里完成。迁移学习适合医学影像这种样本量不大的场景：先借用大数据上学到的通用视觉能力，再迁移到医学任务。半监督学习则利用大量没有随访标签的数据，配合少量有标签数据来提高模型表现。
这张图展示了自编码器不同层学到的内容。浅层可能还像强度、边缘，深层会越来越抽象。它提醒我们：深度学习并不是完全不可观察，只是它学到的东西越往深层越不容易用肉眼解释。
今天的核心收获
读完 2.6-2.8，我觉得这一段可以概括成一句话：
影像组学不是直接让模型“看图猜答案”，而是先把图像翻译成特征，再筛掉冗余和噪声，最后用合适的模型学习特征和临床结果之间的关系。
这也是为什么影像组学研究里经常同时出现很多词：纹理、小波、LASSO、SVM、随机森林、CNN。它们不是一堆孤立术语，而是分别站在这条链的不同位置。
下一篇进入 2.9-2.10，我们会读一个更现实的问题：影像组学模型到底靠不靠谱，以及有哪些软件平台可以把流程跑起来。