当使用体积图像进行深度学习时，标记数据是一个很大的挑战。
在辐射治疗领域，从CT图像，每个人体，器官，和GTV等被提取为区域的数据。而且它们存储在DICOM RT的RT-结构。
该数据主要用于治疗计划，但我们也可以加快深学习工作流程使用它们作为标签数据。
通过这个演示，你可以学习如何RT-结构数据转换为标签的数据，并将其用于MATLAB的训练3D UNET（语义分割）模型。

[日本人]
医用画像の3次元ディープラーニングでは，ラベル付けが复雑で时间がかかることが大きな课题です。
放射线治疗の分野では撮影されたCT画像から，人体，臓器，肿疡などそれぞれが领域として定义され，DICOM RTのRT-结构で管理されています。
これらは治疗计画のために作成されますが，抽出された领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换し，3次元UNETの学习に利用するまでフローを学ぶことができます。

提供者;
我得到了DICOM RT数据，很多从反馈和有用的建议：
孝文Nemoto的博士（庆应义塾大学，日本）
夏海Futakami博士（东海大学，日本）
河原大辅博士（广岛大学，日本）
大树马込博士（驹泽大学，日本）
Ulrik合作Landberg Stephansen博士（奥尔堡大学，丹麦）

[关键词]
画像处理·コンピュータービジョン·ディープラーニング·机械学习·CNN·IPCVデモ·深度学习·机器学习·3次元·医用画像·癌·放射线治疗·放射线诊断·