研究者・開発者向けPython連携プラットフォーム

従来の問題点

深層学習にとって、DICOM-RTデータはCTと臓器輪郭がセットとなっている貴重な資源でありますが、これまで、DICOM-RTデータを簡便に解析・再構成・データ抽出を可能とするツールはなかったため、研究がスムーズに実施できない、解析を外注するに大きなコストが発生するなどの問題があり、効率的なデータ活用が行なえませんでした。

APIによるシームレスな抽出

Growth RTVのPython連携プラットフォームを利用すれば、ユーザーはDICOMの扱い方を知らなくても、簡単なPythonスクリプトで3D画像データを取得し、機械学習・データ解析・データ加工等を行えます。また、本プラットフォーム介し、CTやDICOM-RTデータへ新たな臓器領域を追加定義できるため、研究実施チーム(大学・企業)と評価チーム(医療機関)は本プラットフォームを介してスムーズな研究実施と研究成果の評価が行なえます。

活用例

・臓器自動領域抽出、腫瘍自動認識向け深層学習用データの大量生成

・臓器領域のマージ(足し算)や分離(引き算)後に新たな臓器として追加定義

・研究実施機関と評価機関の分業促進
自動抽出の研究対象臓器または腫瘍に対し

  1. 研究実施側にDICOM-RTデータさえあれば、本プラットフォームを通して深層学習用データを生成し学習
  2. 「Growth RTV」を導入した評価機関へ学習済みモデルの提供
  3. 提供されたモデルで臓器領域を予測し、「Growth RTV」経由で新規ROIとしてDICOM-RTへ反映し検証または利用

Pythonスクリプト例

CTの3Dデータ取得例

#本プラットフォームより提供されたクラスpyGRTVを利用してデータアクセスを行います
grtv = pyGRTV() #  インスタンス生成
grtv.readRTDir(“c:/testdata/”)  #  DICOM-RT読み込み
ret, img_short = grtv.readGRTVRaw(grtv.GRTV_DATA_TYPE_IMAGE)    #  3Dデータ取得
grtv.writeRaw(“c:/testdata_ct.raw”, img_short , dataType=np.int16) #  ファイル保存

関心領域の3Dデータ取得例

grtv = pyGRTV() #  インスタンス生成
grtv.readRTDir(“c:/testdata/”)  #  DICOM-RT読み込み
ret, roi_uint8 = grtv.readGRTVRaw(grtv.GRTV_DATA_TYPE_ROI, dataID=0) # 0番目のROIを取得
grtv.writeRaw(“c:/testdata_roi_0.raw“, roi_uint8, dataType=np.uint8)  # ファイル保存

関心領域の3Dメッシュ(PLY形式 or STL形式)の一括書き出し例

grtv = pyGRTV() #  インスタンス生成
grtv.readRTDir(“c:/testdata/”)  #  DICOM-RT読み込み
roiList = []
ret = grtv.getROIList(roiList) # 定義済みROIリスト取得
#ROIごとにPLY形式で書き出し
for roi in roiList:
meshPath = “c:/mesh/%s.ply” % (roi[“roi_name”])
ret = grtv.exportROIMesh(dataID=int(roi[“roi_index”]),
meshPath=meshPath, meshType=grtv.GRTV_MESH_TYPE_PLY)

Python API リファレンス

Python API リファレンスを公開しました。
リファレンス内では深層学習向けに複数の症例データを読み込んで3D RAWイメージを一括出力するサンプルコード例も示しています。
Return to Top ▲Return to Top ▲