Use DICOM RT for 3D Semantic Segmentation of Medical images
When using volume images for deep learning, labeling the data is big challenge.
In the radiation therapy field, from CT images, each of human bodies, organs, and GTV etc is extracted as area data. And they are stored in the RT-Structure of DICOM RT.
the data is mainly used to plan treatment, but we can also accelerate deep learning workflow using them as label data.
Through this demo, you can learn how to convert RT-Structure data to label data and use them for training 3D UNet (Semantic Segmentation) model on MATLAB.
[Japanese]
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。
Contributors;
I got DICOM RT data, a lot of feedback and helpful advice from:
Dr. Takafumi Nemoto (Keio Univ., Japan)
Dr. Natsumi Futakami (Tokai Univ., Japan)
Dr. Daisuke Kawahara (Hiroshima Univ., Japan)
Dr. Taiki Magome (Komazawa Univ., Japan)
Dr. Ulrik Landberg Stephansen(Aalborg Univ., Denmark)
[Keywords]
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・Deep Learning・Machine Learning・3次元・医用画像・癌・放射線治療・放射線診断・
引用
Takuji Fukumoto (2024). Use DICOM RT for 3D Semantic Segmentation of Medical images (https://www.mathworks.com/matlabcentral/fileexchange/73200-use-dicom-rt-for-3d-semantic-segmentation-of-medical-images), MATLAB Central File Exchange. 取得済み .
MATLAB リリースの互換性
プラットフォームの互換性
Windows macOS Linuxカテゴリ
- Industries > Medical Devices > DICOM Format >
- Sciences > Physics > Medical Physics >
- Sciences > Biological and Health Sciences > Biomedical Imaging > X-Ray CT >
タグ
Community Treasure Hunt
Find the treasures in MATLAB Central and discover how the community can help you!
Start Hunting!Use_DICOMRT_for_DeepLearning_201911_Ver1_1
Use_DICOMRT_for_DeepLearning_201911_Ver1_1
バージョン | 公開済み | リリース ノート | |
---|---|---|---|
1.0.1 |