- Deskripsi :
DukeUltrasound adalah kumpulan data ultrasound yang dikumpulkan di Duke University dengan probe Verasonics c52v. Ini berisi data beamformed delay-and-sum (DAS) serta data pasca-pemrosesan dengan Siemens Dynamic TCE untuk pengurangan bintik, peningkatan kontras, dan peningkatan struktur anatomi yang mencolok. Data ini dikumpulkan dengan dukungan dari National Institute of Biomedical Imaging and Bioengineering di bawah Hibah R01-EB026574 dan National Institutes of Health di bawah Hibah 5T32GM007171-44. Contoh penggunaan tersedia di sini .
Beranda : https://github.com/ouwen/mimicknet
Kode sumber :
tfds.datasets.duke_ultrasound.Builder
Versi :
-
1.0.0
: Rilis awal. -
1.0.1
(default): Memperbaiki penguraianharmonic
bidang boolean.
-
Ukuran unduhan :
12.78 GiB
Ukuran dataset :
13.79 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'A' | 1.362 |
'B' | 1.194 |
'MARK' | 420 |
'test' | 438 |
'train' | 2.556 |
'validation' | 278 |
- Struktur fitur :
FeaturesDict({
'das': FeaturesDict({
'dB': Tensor(shape=(None,), dtype=float32),
'imag': Tensor(shape=(None,), dtype=float32),
'real': Tensor(shape=(None,), dtype=float32),
}),
'dtce': Tensor(shape=(None,), dtype=float32),
'f0_hz': float32,
'final_angle': float32,
'final_radius': float32,
'focus_cm': float32,
'harmonic': bool,
'height': uint32,
'initial_angle': float32,
'initial_radius': float32,
'probe': string,
'scanner': string,
'target': string,
'timestamp_id': uint32,
'voltage': float32,
'width': uint32,
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
das | fiturDict | |||
das/dB | Tensor | (Tidak ada,) | float32 | |
das/gambar | Tensor | (Tidak ada,) | float32 | |
das/nyata | Tensor | (Tidak ada,) | float32 | |
dtce | Tensor | (Tidak ada,) | float32 | |
f0_hz | Tensor | float32 | ||
final_angle | Tensor | float32 | ||
radius_akhir | Tensor | float32 | ||
fokus_cm | Tensor | float32 | ||
harmonis | Tensor | bool | ||
tinggi | Tensor | uint32 | ||
initial_angle | Tensor | float32 | ||
radius_awal | Tensor | float32 | ||
menguji | Tensor | rangkaian | ||
pemindai | Tensor | rangkaian | ||
target | Tensor | rangkaian | ||
timestamp_id | Tensor | uint32 | ||
tegangan | Tensor | float32 | ||
lebar | Tensor | uint32 |
Kunci yang diawasi (Lihat
as_supervised
doc ):('das/dB', 'dtce')
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):
- Kutipan :
@article{DBLP:journals/corr/abs-1908-05782,
author = {Ouwen Huang and
Will Long and
Nick Bottenus and
Gregg E. Trahey and
Sina Farsiu and
Mark L. Palmeri},
title = {MimickNet, Matching Clinical Post-Processing Under Realistic Black-Box
Constraints},
journal = {CoRR},
volume = {abs/1908.05782},
year = {2019},
url = {http://arxiv.org/abs/1908.05782},
archivePrefix = {arXiv},
eprint = {1908.05782},
timestamp = {Mon, 19 Aug 2019 13:21:03 +0200},
biburl = {https://dblp.org/rec/bib/journals/corr/abs-1908-05782},
bibsource = {dblp computer science bibliography, https://dblp.org}
}
, - Deskripsi :
DukeUltrasound adalah kumpulan data ultrasound yang dikumpulkan di Duke University dengan probe Verasonics c52v. Ini berisi data beamformed delay-and-sum (DAS) serta data pasca-pemrosesan dengan Siemens Dynamic TCE untuk pengurangan bintik, peningkatan kontras, dan peningkatan struktur anatomi yang mencolok. Data ini dikumpulkan dengan dukungan dari National Institute of Biomedical Imaging and Bioengineering di bawah Hibah R01-EB026574 dan National Institutes of Health di bawah Hibah 5T32GM007171-44. Contoh penggunaan tersedia di sini .
Beranda : https://github.com/ouwen/mimicknet
Kode sumber :
tfds.datasets.duke_ultrasound.Builder
Versi :
-
1.0.0
: Rilis awal. -
1.0.1
(default): Memperbaiki penguraianharmonic
bidang boolean.
-
Ukuran unduhan :
12.78 GiB
Ukuran dataset :
13.79 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'A' | 1.362 |
'B' | 1.194 |
'MARK' | 420 |
'test' | 438 |
'train' | 2.556 |
'validation' | 278 |
- Struktur fitur :
FeaturesDict({
'das': FeaturesDict({
'dB': Tensor(shape=(None,), dtype=float32),
'imag': Tensor(shape=(None,), dtype=float32),
'real': Tensor(shape=(None,), dtype=float32),
}),
'dtce': Tensor(shape=(None,), dtype=float32),
'f0_hz': float32,
'final_angle': float32,
'final_radius': float32,
'focus_cm': float32,
'harmonic': bool,
'height': uint32,
'initial_angle': float32,
'initial_radius': float32,
'probe': string,
'scanner': string,
'target': string,
'timestamp_id': uint32,
'voltage': float32,
'width': uint32,
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
das | fiturDict | |||
das/dB | Tensor | (Tidak ada,) | float32 | |
das/gambar | Tensor | (Tidak ada,) | float32 | |
das/nyata | Tensor | (Tidak ada,) | float32 | |
dtce | Tensor | (Tidak ada,) | float32 | |
f0_hz | Tensor | float32 | ||
final_angle | Tensor | float32 | ||
radius_akhir | Tensor | float32 | ||
fokus_cm | Tensor | float32 | ||
harmonis | Tensor | bool | ||
tinggi | Tensor | uint32 | ||
initial_angle | Tensor | float32 | ||
radius_awal | Tensor | float32 | ||
menguji | Tensor | rangkaian | ||
pemindai | Tensor | rangkaian | ||
target | Tensor | rangkaian | ||
timestamp_id | Tensor | uint32 | ||
tegangan | Tensor | float32 | ||
lebar | Tensor | uint32 |
Kunci yang diawasi (Lihat
as_supervised
doc ):('das/dB', 'dtce')
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):
- Kutipan :
@article{DBLP:journals/corr/abs-1908-05782,
author = {Ouwen Huang and
Will Long and
Nick Bottenus and
Gregg E. Trahey and
Sina Farsiu and
Mark L. Palmeri},
title = {MimickNet, Matching Clinical Post-Processing Under Realistic Black-Box
Constraints},
journal = {CoRR},
volume = {abs/1908.05782},
year = {2019},
url = {http://arxiv.org/abs/1908.05782},
archivePrefix = {arXiv},
eprint = {1908.05782},
timestamp = {Mon, 19 Aug 2019 13:21:03 +0200},
biburl = {https://dblp.org/rec/bib/journals/corr/abs-1908-05782},
bibsource = {dblp computer science bibliography, https://dblp.org}
}