kolorektal_histologia

• Wizualizacja : Eksploruj w regionie Poznaj swoje dane

• opis :

Klasyfikacja tekstur w histologii raka jelita grubego. Każdy przykład to obraz 150 x 150 x 3 RGB jednej z 8 klas.

• Strona główna : https://zenodo.org/record/53169#.XGZemKwzbmG

• Kod źródłowy : tfds.image_classification.ColorectalHistology

• Wersje :

  • 2.0.0 (domyślnie): Nowy podzielony interfejs API ( https://tensorflow.org/datasets/splits )

• Rozmiar pliku do pobrania : 246.14 MiB

• Rozmiar zestawu danych : 179.23 MiB

• Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy shuffle_files=False (pociąg)

• Podziały :

Rozdzielać	Przykłady
'train'	5000

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
Nazwa pliku	Tekst		strunowy
obraz	Obraz	(150, 150, 3)	uint8
etykieta	Etykieta klasy		int64

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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}
}