эксперт

Описание :

CheXpert представляет собой большой набор данных рентгенограмм грудной клетки и конкурсов на автоматическую интерпретацию рентгенограмм грудной клетки, который содержит метки неопределенности и наборы эталонных стандартных оценок, отмеченных рентгенологом. Он состоит из 224 316 рентгенограмм грудной клетки 65 240 пациентов, где рентгенографические исследования грудной клетки и связанные с ними радиологические отчеты были ретроспективно собраны из Стэнфордской больницы. Каждый отчет был отмечен наличием 14 наблюдений как положительный, отрицательный или неопределенный. Мы выбрали 14 наблюдений, основываясь на распространенности в отчетах и клинической значимости.

Набор данных CheXpert необходимо загрузить отдельно после прочтения и принятия Соглашения об использовании для исследований. Для этого следуйте инструкциям на сайте https://stanfordmlgroup.github.io/competitions/chexpert/ .

Дополнительная документация : изучить документы с кодом
Домашняя страница : https://stanfordmlgroup.github.io/competitions/chexpert/
Исходный код : tfds.image_classification.Chexpert
Версии :
- 3.1.0 (по умолчанию): нет примечаний к выпуску.
Размер загрузки : Unknown size
Размер набора данных : Unknown size
Инструкции по ручной загрузке : этот набор данных требует, чтобы вы загружали исходные данные вручную в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
Вы должны зарегистрироваться и согласиться с пользовательским соглашением на странице набора данных: https://stanfordmlgroup.github.io/competitions/chexpert/ После этого вы должны поместить каталог CheXpert-v1.0-small в manual_dir. Он должен содержать подкаталоги: train/ и valid/ с изображениями, а также файлы train.csv и valid.csv.
Автокэширование ( документация ): неизвестно
Сплиты :

Расколоть	Примеры

Структура функции :

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),
})

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
image_view	Метка класса		int64
этикетка	Последовательность (метка класса)	(Никто,)	int64
имя	Текст		нить

Контролируемые ключи (см . документ as_supervised ): ('image', 'label')
Рисунок ( tfds.show_examples ): не поддерживается.
Примеры ( tfds.as_dataframe ): отсутствует.
Цитата :

@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}
}