متخصص

  • توضیحات :

CheXpert مجموعه داده بزرگی از اشعه ایکس قفسه سینه و رقابت برای تفسیر خودکار اشعه ایکس قفسه سینه است که دارای برچسب های عدم قطعیت و مجموعه های ارزیابی استاندارد مرجع با برچسب رادیولوژیست است. این شامل 224316 رادیوگرافی قفسه سینه از 65240 بیمار است که در آن معاینات رادیوگرافی قفسه سینه و گزارش های رادیولوژی مرتبط به صورت گذشته نگر از بیمارستان استنفورد جمع آوری شد. هر گزارش برای حضور 14 مشاهدات مثبت، منفی یا نامشخص برچسب گذاری شد. ما در مورد 14 مشاهده بر اساس شیوع در گزارش ها و ارتباط بالینی تصمیم گرفتیم.

مجموعه داده CheXpert باید پس از مطالعه و موافقت با توافقنامه استفاده تحقیقاتی به طور جداگانه دانلود شود. برای انجام این کار، لطفا دستورالعمل های موجود در وب سایت، https://stanfordmlgroup.github.io/competitions/chexpert/ را دنبال کنید.

  • اسناد اضافی : کاوش در کاغذها با کد

  • صفحه اصلی : https://stanfordmlgroup.github.io/competitions/chexpert/

  • کد منبع : tfds.image_classification.Chexpert

  • نسخه ها :

    • 3.1.0 (پیش فرض): بدون یادداشت انتشار.
  • اندازه دانلود : Unknown size

  • اندازه مجموعه داده : Unknown size

  • دستورالعمل‌های دانلود دستی : این مجموعه داده از شما می‌خواهد که داده‌های منبع را به صورت دستی در download_config.manual_dir (پیش‌فرض به ~/tensorflow_datasets/downloads/manual/ ):
    شما باید ثبت نام کنید و با توافق کاربر در صفحه مجموعه داده موافقت کنید: https://stanfordmlgroup.github.io/competitions/chexpert/ پس از آن، باید دایرکتوری CheXpert-v1.0-small را در manual_dir قرار دهید. این باید شامل زیر شاخه‌هایی باشد: train/ و valid/ با تصاویر و همچنین فایل‌های train.csv و valid.csv.

  • ذخیره خودکار ( اسناد ): ناشناخته

  • تقسیم ها :

شکاف مثال ها
  • ساختار ویژگی :
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),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
تصویر تصویر (هیچ، هیچ، 3) uint8
image_view ClassLabel int64
برچسب دنباله (ClassLabel) (هیچ یک،) int64
نام متن رشته
@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}
}