Duke_ultrasound

  • Описание :

DukeUltrasound — это набор ультразвуковых данных, собранный в Университете Дьюка с помощью датчика Verasonics c52v. Он содержит данные формирования луча с задержкой и суммой (DAS), а также данные, обработанные с помощью Siemens Dynamic TCE для уменьшения спеклов, повышения контрастности и улучшения видимости анатомических структур. Эти данные были собраны при поддержке Национального института биомедицинской визуализации и биоинженерии по гранту R01-EB026574 и Национального института здравоохранения по гранту 5T32GM007171-44. Пример использования доступен здесь .

  • Домашняя страница : https://github.com/ouwen/mimicknet

  • Исходный код : tfds.datasets.duke_ultrasound.Builder

  • Версии :

    • 1.0.0 : Первоначальный выпуск.
    • 1.0.1 (по умолчанию): исправляет синтаксический анализ harmonic логического поля.
  • Размер загрузки : 12.78 GiB

  • Размер набора данных : 13.79 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'A' 1362
'B' 1194
'MARK' 420
'test' 438
'train' 2556
'validation' 278
  • Структура функции :
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,
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
дас ОсобенностиDict
das/дБ Тензор (Никто,) поплавок32
дас/имаг Тензор (Никто,) поплавок32
дас / реальный Тензор (Никто,) поплавок32
dtce Тензор (Никто,) поплавок32
f0_hz Тензор поплавок32
final_angle Тензор поплавок32
final_radius Тензор поплавок32
focus_cm Тензор поплавок32
гармонический Тензор логический
рост Тензор uint32
начальный_угол Тензор поплавок32
начальный_радиус Тензор поплавок32
зонд Тензор нить
сканер Тензор нить
цель Тензор нить
timestamp_id Тензор uint32
Напряжение Тензор поплавок32
ширина Тензор uint32
  • Цитата :
@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}
}
,

  • Описание :

DukeUltrasound — это набор ультразвуковых данных, собранный в Университете Дьюка с помощью датчика Verasonics c52v. Он содержит данные формирования луча с задержкой и суммой (DAS), а также данные, обработанные с помощью Siemens Dynamic TCE для уменьшения спеклов, повышения контрастности и улучшения видимости анатомических структур. Эти данные были собраны при поддержке Национального института биомедицинской визуализации и биоинженерии по гранту R01-EB026574 и Национального института здравоохранения по гранту 5T32GM007171-44. Пример использования доступен здесь .

  • Домашняя страница : https://github.com/ouwen/mimicknet

  • Исходный код : tfds.datasets.duke_ultrasound.Builder

  • Версии :

    • 1.0.0 : Первоначальный выпуск.
    • 1.0.1 (по умолчанию): исправляет синтаксический анализ harmonic логического поля.
  • Размер загрузки : 12.78 GiB

  • Размер набора данных : 13.79 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'A' 1362
'B' 1194
'MARK' 420
'test' 438
'train' 2556
'validation' 278
  • Структура функции :
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,
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
дас ОсобенностиDict
das/дБ Тензор (Никто,) поплавок32
дас/имаг Тензор (Никто,) поплавок32
дас / реальный Тензор (Никто,) поплавок32
dtce Тензор (Никто,) поплавок32
f0_hz Тензор поплавок32
final_angle Тензор поплавок32
final_radius Тензор поплавок32
focus_cm Тензор поплавок32
гармонический Тензор логический
рост Тензор uint32
начальный_угол Тензор поплавок32
начальный_радиус Тензор поплавок32
зонд Тензор нить
сканер Тензор нить
цель Тензор нить
timestamp_id Тензор uint32
Напряжение Тензор поплавок32
ширина Тензор uint32
  • Цитата :
@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}
}