проверка

  • Описание:

CheXpert - это большой набор данных рентгеновских снимков грудной клетки и соревнований по автоматизированной интерпретации рентгеновских снимков грудной клетки, который включает метки неопределенности и эталонные эталонные наборы для оценки, помеченные рентгенологами. Он состоит из 224 316 рентгенограмм грудной клетки 65 240 пациентов, из которых ретроспективно из Стэнфордской больницы были собраны рентгенологические исследования грудной клетки и связанные с ними радиологические отчеты. Каждый отчет был помечен на наличие 14 наблюдений как положительный, отрицательный или неопределенный. Мы выбрали 14 наблюдений на основе распространенности в отчетах и ​​клинической значимости.

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

  • Домашняя страница: https://stanfordmlgroup.github.io/competitions/chexpert/

  • Исходный код: tfds.image_classification.Chexpert

  • Версии:

    • 3.1.0 ( по умолчанию): Нет Замечания к выпуску.
  • Размер загрузки: Unknown size

  • Dataset размер: Unknown size

  • Руководство по эксплуатации скачать: Этот набор данных требует от вас , чтобы загрузить исходные данные вручную в download_config.manual_dir ( по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Вы должны зарегистрироваться и согласны с пользовательским соглашением на странице набора данных: https://stanfordmlgroup.github.io/competitions/chexpert/ После этого, вы должны поставить CheXpert-v1.0-маленький каталог в manual_dir. Он должен содержать подкаталоги: train / и valid / с изображениями, а также файлы train.csv и valid.csv.

  • Авто-кэшируются ( документация ): Unknown

  • расколы:

Расколоть Примеры
  • Особенности:
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image_view': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'label': Sequence(ClassLabel(shape=(), dtype=tf.int64, num_classes=4)),
    'name': Text(shape=(), dtype=tf.string),
})
@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}
}