当使用体积图像深度学习,标签数据是巨大的挑战。
放射治疗领域,从CT图像,每个人体器官、制造等提取面积数据。他们存储在RT-Structure DICOM RT。
数据主要用于治疗计划,但是我们也可以促进深度学习工作流使用它们作为标签数据。
通过这个演示,您可以学习如何RT-Structure数据转换为标签数据和用于训练3 d UNet(语义分割)模型在MATLAB。

(日本)
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CT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-Structure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-Structure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;
我得到了DICOM RT数据,大量的反馈和有用的建议:
博士Takafumi Nemoto(日本庆应义塾大学。)
博士Natsumi Futakami(日本东海大学。)
Daisuke Kawahara博士(日本广岛大学。)
博士Taiki Magome (Komazawa大学、日本)
博士Ulrik Landberg Stephansen (Aalborg大学、丹麦)

[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・CNN・IPCVデモ学习机器学习・・・深3次元・医用画像・癌・放射線治療・放射線診断・