无掩码的U-Net分割

Question

我对深度学习和语义分割是个新手。

我有一个Dicom格式的医学图像(CT)数据集，其中我需要从图像中分割肿瘤和涉及的器官。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mask？或者我可以直接使用RT结构(.dcm)中的信息作为我的输入？

谢谢你的帮助。

Answer 1

有一个名为pydicom的特殊库，您需要先安装它，然后才能对X射线图像进行实际解码和可视化。

现在，因为你想要应用语义分割并且你想分割肿瘤，解决方案是创建一个神经网络，它接受一对[image,mask]作为输入，其中，比如说，除了肿瘤所在的区域外，掩模中的所有位置都是0，标记为1；实际上，你的真实情况就是掩模。

当然，要做到这一点，您必须实现您的CustomDataGenerator()，如上所述，它必须在每一步生成一批[image,mask]对。