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・