chexpert

  • 説明

CheXpertは、胸部X線の大規模なデータセットであり、自動胸部X線解釈の競争であり、不確実性ラベルと放射線科医がラベル付けした参照標準評価セットを備えています。これは、65,240人の患者の224,316の胸部レントゲン写真で構成されており、胸部レントゲン検査と関連する放射線レポートはスタンフォード病院から遡及的に収集されました。各レポートには、14の観測値の存在について、ポジティブ、ネガティブ、または不確実としてラベルが付けられました。レポートの有病率と臨床的関連性に基づいて、14の観察結果を決定しました。

CheXpertデータセットは、研究使用契約を読んで同意した後、個別にダウンロードする必要があります。これを行うには、Webサイトの指示に従ってくださいhttps://stanfordmlgroup.github.io/competitions/chexpert/

  • ホームページhttps://stanfordmlgroup.github.io/competitions/chexpert/

  • ソースコードtfds.image_classification.Chexpert

  • バージョン

    • 3.1.0 (デフォルト):リリースノート。
  • ダウンロードサイズUnknown size

  • データセットのサイズUnknown size

  • マニュアルダウンロード方法:このデータセットは、手動にソースデータをダウンロードする必要がありますdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ):
    :あなたが登録して、データセットのページでユーザー契約に同意する必要がありhttps://stanfordmlgroup.github.io/competitions/chexpert/あなたはmanual_dirでCheXpert-v1.0を-小さなディレクトリを配置する必要があり、その後。サブディレクトリが含まれている必要があります:train /およびvalid / with images、train.csvおよびvalid.csvファイル。

  • オートキャッシュされたドキュメント):不明

  • スプリット

スプリット
  • 特長
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}
}