deep-learning - 没有掩码的 U-Net 分割

Question

我是深度学习和语义分割的新手。

我有一个 Dicom 格式的医学图像 (CT) 数据集，我需要在其中分割图像中涉及的肿瘤和器官。我已经标记了我们的医生绘制的器官轮廓，我们称之为 RT 结构，也以 Dicom 格式存储。

据我所知，人们通常使用“面具”。这是否意味着我需要将 rt 结构中的所有轮廓结构转换为掩码？或者我可以直接使用来自 RT 结构 (.dcm) 的信息作为我的输入？

谢谢你的帮助。

Answer 1

您需要安装一个名为的特殊库pydicom，然后才能实际解码并稍后可视化 X 射线图像。

现在，由于您要应用语义分割并且要分割肿瘤，因此解决方案是创建一个神经网络，该网络接受一[image,mask]对肿瘤所在的区域，用1标记；实际上，您的基本事实就是面具。

当然，为此，您必须实施您的which 必须在每一步都产生如上所述CustomDataGenerator()的一批对。[image,mask]