ahli

Deskripsi :

CheXpert adalah kumpulan data rontgen dada berukuran besar dan kompetisi untuk interpretasi rontgen dada otomatis, yang menampilkan label ketidakpastian dan rangkaian evaluasi standar rujukan berlabel ahli radiologi. Ini terdiri dari 224.316 radiografi dada dari 65.240 pasien, di mana pemeriksaan radiografi dada dan laporan radiologi terkait dikumpulkan secara retrospektif dari Rumah Sakit Stanford. Setiap laporan diberi label untuk keberadaan 14 pengamatan sebagai positif, negatif, atau tidak pasti. Kami memutuskan 14 pengamatan berdasarkan prevalensi dalam laporan dan relevansi klinis.

Kumpulan data CheXpert harus diunduh secara terpisah setelah membaca dan menyetujui Perjanjian Penggunaan Riset. Untuk melakukannya, ikuti petunjuk di situs web, https://stanfordmlgroup.github.io/competitions/chexpert/

Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode
Beranda : https://stanfordmlgroup.github.io/competitions/chexpert/
Kode sumber : tfds.image_classification.Chexpert
Versi :
- 3.1.0 (default): Tidak ada catatan rilis.
Ukuran unduhan : Unknown size
Ukuran set data : Unknown size
Instruksi pengunduhan manual : Kumpulan data ini mengharuskan Anda mengunduh data sumber secara manual ke download_config.manual_dir (default ke ~/tensorflow_datasets/downloads/manual/ ):
Anda harus mendaftar dan menyetujui perjanjian pengguna di halaman dataset: https://stanfordmlgroup.github.io/competitions/chexpert/ Setelah itu, Anda harus meletakkan direktori CheXpert-v1.0-small di manual_dir. Itu harus berisi subdirektori: train/ dan valid/ dengan gambar dan juga file train.csv dan valid.csv.
Di-cache otomatis ( dokumentasi ): Tidak diketahui
Perpecahan :

Membelah	Contoh

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image_view': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'label': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=4)),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
image_view	LabelKelas		int64
label	Urutan(Label Kelas)	(Tidak ada,)	int64
nama	Teks		rangkaian

Kunci yang diawasi (Lihat as_supervised doc ): ('image', 'label')
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ): Tidak ada.
Kutipan :

@article{DBLP:journals/corr/abs-1901-07031,
  author    = {Jeremy Irvin and Pranav Rajpurkar and Michael Ko and Yifan Yu and Silviana Ciurea{-}Ilcus and Chris Chute and Henrik Marklund and Behzad Haghgoo and Robyn L. Ball and Katie Shpanskaya and Jayne Seekins and David A. Mong and Safwan S. Halabi and Jesse K. Sandberg and Ricky Jones and David B. Larson and Curtis P. Langlotz and Bhavik N. Patel and Matthew P. Lungren and Andrew Y. Ng},
  title     = {CheXpert: {A} Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison},
  journal   = {CoRR},
  volume    = {abs/1901.07031},
  year      = {2019},
  url       = {http://arxiv.org/abs/1901.07031},
  archivePrefix = {arXiv},
  eprint    = {1901.07031},
  timestamp = {Fri, 01 Feb 2019 13:39:59 +0100},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1901-07031},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}