histologie_colorectale

• Description :

Classification des textures en histologie du cancer colorectal. Chaque exemple est une image RVB 150 x 150 x 3 de l'une des 8 classes.

• Page d'accueil : https://zenodo.org/record/53169#.XGZemKwzbmG

• Code source : tfds.image_classification.ColorectalHistology

• Versions :

  • 2.0.0 (par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )

• Taille du téléchargement : 246.14 MiB

• Taille de l'ensemble de données : 179.23 MiB

• Mise en cache automatique ( documentation ) : uniquement lorsque shuffle_files=False (train)

• Divisions :

Diviser	Exemples
'train'	5 000

• Structure des fonctionnalités :

FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(150, 150, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=8),
})

• Documentation des fonctionnalités :

Fonctionnalité	Classe	Forme	Type D	Description
	FonctionnalitésDict
nom de fichier	Texte		chaîne
image	Image	(150, 150, 3)	uint8
étiquette	Étiquette de classe		int64	Huit classes : 0 : « épithélium tumoral », 1 : « stroma simple », 2 : « stroma complexe » (stroma contenant des cellules tumorales uniques et/ou des cellules immunitaires uniques), 3 : « conglomérats de cellules immunitaires », 4 : « débris et mucus', 5 : 'glandes muqueuses', 6 : 'tissu adipeux' et 7 : 'fond'.

• Clés supervisées (Voir doc as_supervised ) : ('image', 'label')

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@article{kather2016multi,
  title={Multi-class texture analysis in colorectal cancer histology},
  author={Kather, Jakob Nikolas and Weis, Cleo-Aron and Bianconi, Francesco and Melchers, Susanne M and Schad, Lothar R and Gaiser, Timo and Marx, Alexander and Z{"o}llner, Frank Gerrit},
  journal={Scientific reports},
  volume={6},
  pages={27988},
  year={2016},
  publisher={Nature Publishing Group}
}