RSVP для вашего местного мероприятия TensorFlow Everywhere сегодня!
Эта страница переведена с помощью Cloud Translation API.
Switch to English

проверка

  • Описание :

CheXpert - это большой набор данных рентгеновских снимков грудной клетки и соревнований по автоматизированной интерпретации рентгеновских снимков грудной клетки, который включает метки неопределенности и эталонные стандартные оценочные наборы, помеченные радиологами. Он состоит из 224 316 рентгенограмм грудной клетки 65 240 пациентов, причем рентгенологические исследования грудной клетки и связанные с ними радиологические отчеты были ретроспективно получены из Стэнфордской больницы. Каждый отчет был помечен на наличие 14 наблюдений как положительный, отрицательный или неопределенный. Мы выбрали 14 наблюдений на основе распространенности в отчетах и ​​клинической значимости.

Набор данных CheXpert необходимо загрузить отдельно после прочтения и принятия Соглашения об использовании для исследований. Для этого следуйте инструкциям на веб-сайте https://stanfordmlgroup.github.io/competitions/chexpert/

  • Домашняя страница : https://stanfordmlgroup.github.io/competitions/chexpert/

  • Исходный код : tfds.image_classification.Chexpert

  • Версии :

    • 3.1.0 (по умолчанию): без примечаний к выпуску.
  • Размер загрузки : Unknown size

  • Размер набора данных : Unknown size

  • Инструкции по загрузке вручную : для этого набора данных необходимо вручную загрузить исходные данные в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Вы должны зарегистрироваться и согласиться с пользовательским соглашением на странице набора данных: https://stanfordmlgroup.github.io/competitions/chexpert/ После этого вы должны поместить каталог CheXpert-v1.0-small в manual_dir. Он должен содержать подкаталоги: train / и valid / с изображениями, а также файлы train.csv и valid.csv.

  • Автоматическое кэширование ( документация ): неизвестно

  • Сплит :

Трещина Примеры
  • Особенности :
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),
})
  • Контролируемые ключи (см. as_supervised ): ('image', 'label')

  • Цитата :

@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}
}