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·
引用
卓尔福本(2021)。使用DICOMRT进行3D语义分割的医学图像(//www.tianjin-qmedu.com/matlabcentral/fileexchange/73200-use-dicom-rt-for-3d-semantic-segmentation-of-medical-images),MATLAB中央文件交换。检索到。