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。
在放射治疗领域，从CT图像中提取人体、器官、GTV等各部分作为面积数据。它们存储在DICOM RT的RT- structure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加速深度学习工作流。
通过这个演示，您可以学习如何将RT-Structure数据转换为label数据，并使用它们在MATLAB上训练3D UNet (Semantic Segmentation)模型。

(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，许多反馈和有用的建议:
根本高文博士(日本庆应大学)
二上夏美博士(日本东海大学)
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・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・