### 如何使用Python绘制影像组学中的Rad-score图 在医学影像分析领域，放射组学风险评分（rad-score）是一个重要的指标。为了可视化这些分数及其分布情况，通常会创建瀑布图来展示不同患者的风险变化。 对于给定的数据集，在准备阶段需要确保`target_train`和`features_X_train`已经被重置索引以便于绘图操作[^2]： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 假设已经准备好如下变量 # target_train: 包含真实标签的目标向量 # features_X_train: 特征矩阵 # rad_scores: 已计算好的放射组学风险得分列表 # 将目标值转换为DataFrame并加入到特征集中方便后续处理 df = pd.DataFrame({ 'Target': target_train, 'Radiomics Score': rad_scores }) ``` 接着定义一个函数用于生成瀑布图，该图表能够直观显示每个样本相对于基线的变化程度： ```python def plot_rad_score_waterfall(df): """ 绘制放射组学风险评分的瀑布图 参数: df (pd.DataFrame): 数据框对象，包含'Target'列作为分类依据， 和'Radiomics Score'列为实际数值。 """ # 设置图形大小 plt.figure(figsize=(10, 6)) # 使用seaborn库画出条形图表示各个病人的改变幅度 ax = sns.barplot(x=df.index, y='Radiomics Score', hue='Target', data=df, palette=['blue', 'red']) # 添加累计效果线条 cumsum = df['Radiomics Score'].cumsum().values plt.plot(range(len(cumsum)), cumsum, color="black", linewidth=2) # 自定义坐标轴标签和其他细节 plt.title('Waterfall Plot of Radiomics Risk Scores') plt.xlabel('Patient Index') plt.ylabel('Change in Rad-Score') # 显示图像 plt.show() # 调用上述方法完成作图 plot_rad_score_waterfall(df) ``` 这段代码首先导入必要的包，并假设已经有了经过预处理后的数据结构。通过构建一个新的Pandas DataFrame将目标类别与相应的放射组学得分关联起来。最后利用Seaborn库制作了一个带有累积效应指示线的瀑布状柱状图，其中不同的颜色代表了两种可能的结果状态（例如疾病与否），从而帮助研究人员更好地理解模型预测性能随个体差异而产生的影响。