ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

chexpert

  • รายละเอียด:

CheXpert เป็นชุดข้อมูลขนาดใหญ่ของการเอ็กซ์เรย์ทรวงอกและการแข่งขันสำหรับการตีความเอ็กซ์เรย์ทรวงอกแบบอัตโนมัติ ซึ่งมีฉลากแสดงความไม่แน่นอนและชุดการประเมินมาตรฐานอ้างอิงที่ติดฉลากโดยนักรังสีวิทยา ประกอบด้วยภาพเอ็กซ์เรย์ทรวงอก 224,316 ผู้ป่วย 65,240 ราย ซึ่งการตรวจเอ็กซ์เรย์ทรวงอกและรายงานทางรังสีวิทยาที่เกี่ยวข้องถูกเก็บรวบรวมย้อนหลังจากโรงพยาบาลสแตนฟอร์ด แต่ละรายงานถูกระบุว่ามีข้อสังเกต 14 ข้อเป็นบวก ลบ หรือไม่แน่ใจ เราตัดสินใจจากการสังเกต 14 ครั้งโดยพิจารณาจากความชุกในรายงานและความเกี่ยวข้องทางคลินิก

ต้องดาวน์โหลดชุดข้อมูล CheXpert แยกต่างหากหลังจากอ่านและยอมรับข้อตกลงการใช้การวิจัย ต้องการทำเช่นนั้นโปรดปฏิบัติตามคำแนะนำบนเว็บไซต์ https://stanfordmlgroup.github.io/competitions/chexpert/

  • โฮมเพจ: https://stanfordmlgroup.github.io/competitions/chexpert/

  • รหัสที่มา: tfds.image_classification.Chexpert

  • รุ่น:

    • 3.1.0 (เริ่มต้น): ไม่มีบันทึกประจำรุ่น
  • ขนาดการดาวน์โหลด: Unknown size

  • ขนาดชุด: Unknown size

  • คำแนะนำการดาวน์โหลดคู่มือ: ชุดนี้คุณจะต้องดาวน์โหลดข้อมูลแหล่งที่มาของตนเองลงใน download_config.manual_dir (ค่าเริ่มต้น ~/tensorflow_datasets/downloads/manual/ ):
    คุณต้องลงทะเบียนและยอมรับข้อตกลงของผู้ใช้บนหน้าชุดนี้: https://stanfordmlgroup.github.io/competitions/chexpert/ หลังจากนั้นคุณจะต้องใส่ไดเรกทอรี CheXpert-v1.0-ขนาดเล็กใน manual_dir ควรมีไดเรกทอรีย่อย: train/ และ valid/ พร้อมรูปภาพ และไฟล์ train.csv และ valid.csv

  • ออโต้แคช ( เอกสาร ): ไม่ทราบ

  • แยก:

สปลิต ตัวอย่าง
  • คุณสมบัติ:
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),
})
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'label')

  • รูป ( tfds.show_examples ): ไม่ได้รับการสนับสนุน

  • ตัวอย่าง ( tfds.as_dataframe ): หายไป

  • อ้างอิง:

@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}
}