当使用体积图像进行深度学习时,标记数据是一个巨大的挑战。
在放射治疗领域,从CT图像中,每个人体、器官和GTV等被提取为区域数据。它们存储在DICOM RT的RT结构中。
这些数据主要用于计划治疗,但我们也可以使用它们作为标签数据来加速深度学习工作流。
通过这个演示,您可以学习如何将RT结构数据转换为标签数据,并使用它们在MATLAB上训练3D UNet(语义分段)模型。
[日语]
医用画像の3.次元ディープラーニングでは、ラベル付けが複雑で時間がかかることが大きな課題です。
放射線治療の分野では撮影された计算机断层扫描画像から、人体、臓器、腫瘍などそれぞれが領域として定義され、DICOM RTのRT结构で管理されています。
これらは治療計画のために作成されますが、抽出された領域データはディープラーニングのラベルとしても利用することができます。
このデモではRT结构データをディープラーニングで利用できるように変換し、3.次元UNetの学習に利用するまでフローを学ぶことができます。
贡献者;
我从以下方面获得了DICOM RT数据、大量反馈和有用的建议:
内本孝文博士(日本庆应大学)
夏目漱石博士(日本东海大学)
Daisuke Kawahara博士(日本广岛大学)
Taiki Magome博士(日本小泽大学)
Ulrik Landberg Stephansen博士(丹麦奥尔堡大学)
[关键词]
画像処理・コンピュータービジョン・ディープラーニング・機械学習・有线电视新闻网・IPCVデモ・深度学习・机器学习・3.次元・医用画像・癌・放射線治療・放射線診断・
福本拓二(2021年)。DICOM-RT在医学图像三维语义分割中的应用(//www.tatmou.com/matlabcentral/fileexchange/73200-use-dicom-rt-for-3d-semantic-segmentation-of-medical-images),MATLAB中央文件交换。恢复.