curated_breast_imaging_ddsm,curated_breast_imaging_ddsm

• Görselleştirme : Verilerinizi Bilin north_east keşfedin

• Açıklama :

CBIS-DDSM (DDSM'nin Küratörlü Göğüs Görüntüleme Alt Kümesi), Tarama Mamografisi için Dijital Veritabanının (DDSM) güncellenmiş ve standartlaştırılmış bir sürümüdür. DDSM, 2.620 taranmış film mamografi çalışmasından oluşan bir veri tabanıdır. Doğrulanmış patoloji bilgileri ile normal, iyi huylu ve kötü huylu vakaları içerir.

Varsayılan yapılandırma, geleneksel bir görüntü sınıflandırma ayarında çözülecek görevi çerçevelemek için ( http://arxiv.org/abs/1708.09427 ) adresindeki açıklamaya uygun olarak orijinal mamogramlardan çıkarılan yamalardan yapılmıştır.

• Ana Sayfa : https://wiki.cancerimagingarchive.net/display/Public/CBIS-DDSM

• Kaynak kodu : tfds.image_classification.CuratedBreastImagingDDSM

• sürümler :

  • 2.0.1 : Yeni bölünmüş API ( https://tensorflow.org/datasets/splits )
  • 3.0.0 (varsayılan): Daha iyi kırpma örneklemesi ( https://github.com/tensorflow/datasets/pull/2502 )

• Manuel indirme talimatları : Bu veri kümesi, kaynak verileri manuel olarak download_config.manual_dir içine indirmenizi gerektirir (varsayılan olarak ~/tensorflow_datasets/downloads/manual/ şeklindedir):
  Görselleri https://wiki.cancerimagingarchive.net/display/Public/CBIS-DDSM adresinden indirebilirsiniz.

Veri kümesindeki görüntüleri indirmek ve okumak için özel yazılım ve kitaplıklar gerektiğinden, TFDS, kullanıcının orijinal DCIM dosyalarını indirdiğini ve PNG'ye dönüştürdüğünü varsayar.

Tekrarlanabilir sonuçları garanti etmek için PNG dosyalarını oluşturmak için aşağıdaki komutlar (veya eşdeğerleri) kullanılmalıdır:

find $DATASET_DCIM_DIR -name '*.dcm' | \
xargs -n1 -P8 -I{} bash -c 'f={}; dcmj2pnm $f | convert - ${f/.dcm/.png}'

Elde edilen resimler manual_dir içine yerleştirilmelidir, örneğin: <manual_dir>/Mass-Training_P_01981_RIGHT_MLO_1/1.3.6.../000000.png .

• Otomatik önbelleğe alınmış ( belgeleme ): Hayır

• Denetlenen anahtarlar (Bkz. as_supervised doc ): None

• Alıntı :

@misc{CBIS_DDSM_Citation,
  doi = {10.7937/k9/tcia.2016.7o02s9cy},
  url = {https://wiki.cancerimagingarchive.net/x/lZNXAQ},
  author = {Sawyer-Lee,  Rebecca and Gimenez,  Francisco and Hoogi,  Assaf and Rubin,  Daniel},
  title = {Curated Breast Imaging Subset of DDSM},
  publisher = {The Cancer Imaging Archive},
  year = {2016},
}
@article{TCIA_Citation,
  author = {
    K. Clark and B. Vendt and K. Smith and J. Freymann and J. Kirby and
    P. Koppel and S. Moore and S. Phillips and D. Maffitt and M. Pringle and
    L. Tarbox and F. Prior
  },
  title = { {The Cancer Imaging Archive (TCIA): Maintaining and Operating a
  Public Information Repository} },
  journal = {Journal of Digital Imaging},
  volume = {26},
  month = {December},
  year = {2013},
  pages = {1045-1057},
}
@article{DBLP:journals/corr/abs-1708-09427,
  author    = {Li Shen},
  title     = {End-to-end Training for Whole Image Breast Cancer Diagnosis using
               An All Convolutional Design},
  journal   = {CoRR},
  volume    = {abs/1708.09427},
  year      = {2017},
  url       = {http://arxiv.org/abs/1708.09427},
  archivePrefix = {arXiv},
  eprint    = {1708.09427},
  timestamp = {Mon, 13 Aug 2018 16:48:35 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1708-09427},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

curated_breast_imaging_ddsm/yamalar (varsayılan yapılandırma)

• Yapılandırma açıklaması : Hem kalsifikasyon hem de toplu vakalar içeren yamalar ve anormallik içermeyen yollar. Geleneksel 5 sınıflı bir sınıflandırma görevi olarak tasarlanmıştır.

• İndirme boyutu : 2.01 MiB

• Veri kümesi boyutu : 801.46 MiB

• bölmeler :

• Özellik yapısı :

FeaturesDict({
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 1), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=5),
})

• Özellik belgeleri :

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

curated_breast_imaging_ddsm/original-calc

• Yapılandırma açıklaması : Kalsifikasyon vakalarının kayıpsız PNG'de sıkıştırılmış orijinal görüntüleri.

• İndirme boyutu : 1.06 MiB

• Veri kümesi boyutu : 4.42 GiB

• bölmeler :

• Özellik yapısı :

FeaturesDict({
    'abnormalities': Sequence({
        'assessment': ClassLabel(shape=(), dtype=int64, num_classes=6),
        'calc_distribution': ClassLabel(shape=(), dtype=int64, num_classes=10),
        'calc_type': ClassLabel(shape=(), dtype=int64, num_classes=48),
        'id': int32,
        'mask': Image(shape=(None, None, 1), dtype=uint8),
        'pathology': ClassLabel(shape=(), dtype=int64, num_classes=3),
        'subtlety': ClassLabel(shape=(), dtype=int64, num_classes=6),
    }),
    'breast': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 1), dtype=uint8),
    'patient': Text(shape=(), dtype=string),
    'view': ClassLabel(shape=(), dtype=int64, num_classes=2),
})

• Özellik belgeleri :

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

curated_breast_imaging_ddsm/original-mass

• Yapılandırma açıklaması : Toplu vakaların kayıpsız PNG'de sıkıştırılmış orijinal görüntüleri.

• İndirme boyutu : 966.57 KiB

• Veri kümesi boyutu : 4.80 GiB

• bölmeler :

• Özellik yapısı :

FeaturesDict({
    'abnormalities': Sequence({
        'assessment': ClassLabel(shape=(), dtype=int64, num_classes=6),
        'id': int32,
        'mask': Image(shape=(None, None, 1), dtype=uint8),
        'mass_margins': ClassLabel(shape=(), dtype=int64, num_classes=20),
        'mass_shape': ClassLabel(shape=(), dtype=int64, num_classes=21),
        'pathology': ClassLabel(shape=(), dtype=int64, num_classes=3),
        'subtlety': ClassLabel(shape=(), dtype=int64, num_classes=6),
    }),
    'breast': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 1), dtype=uint8),
    'patient': Text(shape=(), dtype=string),
    'view': ClassLabel(shape=(), dtype=int64, num_classes=2),
})

• Özellik belgeleri :

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):