前情提要，上一篇文章医学影像 DICOM转NIFTI（.dcm 到 .nii） 介绍了如何读取医学影像文件，及如何进行格式转换，本文将围绕“特征提取”，聊聊如何使用 Python 进行影像特征的提取，为后续预处理、建模做好数据准备。
在开始之前，我们需要明确两点，一个是医学影像序列，另一个就是感兴趣区 ROI。
医学影像序列我们都比较熟悉了，就是通过 CT 或者核磁扫描，得到的一份序列图片。
那 ROI 是什么呢？官方解读是：Region Of Interest，也就是感兴趣区。用来指定某一个区域，去抽取医学影像序列图中的部分数据。这么说可能比较抽象，我们不妨举个例子。
大家或许都用过面膜，没用过也可能见过，当然要是见都没见过，那这理解起来估计也就不那么直白了，这里就假定见过了。
面膜敷到脸上，一般漏出来的是：眼睛，鼻子，嘴巴。这三个区域便可以是 ROI，我们指定好这三个 ROI，透过它们看后面的脸，能看到的就是：眼睛，嘴巴，鼻子。
对应到医学影像和 ROI 上，同样如此。有了 ROI 文件，我们就可以截取医学影像上特定的感兴趣的区域。
通常来说，ROI 文件一般是经验丰富的医生手动勾画出的病灶区域，当然也有半自动，自动的机器抽取。不过目前业界的金标准依旧是人工勾画。