无现成mask时基于U-Net的医学CT语义分割：RT结构DICOM可否直接用？

不可以直接用原始RT结构格式的.dcm文件作为U-Net的训练标签，几乎所有场景下都需要把RT结构里的勾画轮廓转换为和CT影像逐像素对齐的mask。

• 原始RT结构.dcm本质存储的是医师勾画的多边形轮廓坐标点集，不是栅格化的像素矩阵，既没有和CT影像完全一致的分辨率，也没法直接和CT像素做逐像素的对应。
• U-Net的训练逻辑要求输入CT张量和标签张量的空间维度、坐标映射完全匹配，才能计算Dice、交叉熵这类逐像素损失，靠零散的轮廓点根本没法完成这类计算。
• RT结构的文件逻辑是为临床勾画场景设计的：所有器官、肿瘤的轮廓都存在同一个文件里的独立条目下，没有预先按类别拆分好对应每个像素位置的标签值。

• 轮廓转mask的流程没有想象中复杂：先读取单病例所有薄层CT的空间元信息（像素间距、坐标原点、层厚、扫描方向），再读取RT结构内每个勾画的轮廓点，按照CT的空间坐标系把闭合轮廓填充为对应扫描层的二值mask，最后按器官/肿瘤类别堆叠成多通道的标签张量即可。
• 新手做转换时最容易踩的错位坑：
  • 一定要核对每个轮廓对应的CT层位置，避免把轮廓错配到相邻扫描层上
  • 必须做CT像素坐标和世界坐标的换算，不然容易出现mask和影像整体偏移的问题
  • 不需要自己从零手写轮廓填充的逻辑，用成熟的医学影像处理工具可以直接完成栅格化步骤
• 不存在可以跳过转mask的“捷径”：哪怕你用专门适配医学影像的分割工具链，底层读入RT结构之后也会自动帮你完成栅格化，把轮廓转成逐像素的mask再喂给网络，这一步是训练流程里必须完成的环节，绕不开。

内容的提问来源于stack exchange，提问作者jonedabb