没有掩码的U-Net分割

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？

感谢您的帮助。

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，由于您想要应用语义分割并且想要分割肿瘤，因此解决方案是创建一个神经网络，该网络接受一对 [image,mask] 作为输入，例如，所有位置面具中除肿瘤所在区域外均为0，标为1；实际上，您的基本事实就是面具。

当然，为此您必须实现您的 CustomDataGenerator()，它必须在每一步产生一批 [image,mask] 对，如上所述。