duke_ultrasound

  • الوصف :

DukeUltrasound هي مجموعة بيانات بالموجات فوق الصوتية تم جمعها في جامعة Duke باستخدام مسبار Verasonics c52v. وهو يحتوي على بيانات مؤجلة ومحصلة بالحزمة (DAS) بالإضافة إلى بيانات تمت معالجتها لاحقًا باستخدام Siemens Dynamic TCE لتقليل البقع وتحسين التباين وتحسين وضوح الهياكل التشريحية. تم جمع هذه البيانات بدعم من المعهد الوطني للتصوير الطبي الحيوي والهندسة الحيوية بموجب المنحة R01-EB026574 والمعاهد الوطنية للصحة بموجب المنحة 5T32GM007171-44. مثال على الاستخدام متاح هنا .

  • الصفحة الرئيسية : https://github.com/ouwen/mimicknet

  • كود المصدر : tfds.datasets.duke_ultrasound.Builder

  • إصدارات :

    • 1.0.0 : الإصدار الأولي.
    • 1.0.1 (افتراضي): يعمل على إصلاح تحليل المجال المنطقي harmonic .
  • حجم التحميل : ١٢ ٫ 12.78 GiB

  • حجم مجموعة البيانات : 13.79 GiB

  • التخزين المؤقت التلقائي ( التوثيق ): لا

  • الانقسامات :

انشق، مزق أمثلة
'A' 1،362
'B' 1،194
'MARK' 420
'test' 438
'train' 2،556
'validation' 278
  • هيكل الميزة :
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,
})
  • وثائق الميزة :
ميزة فصل شكل نوع وصف
الميزات
داس الميزات
داس / ديسيبل موتر (لا أحد،) تعويم 32
داس / تخيل موتر (لا أحد،) تعويم 32
داس / حقيقي موتر (لا أحد،) تعويم 32
dtce موتر (لا أحد،) تعويم 32
f0_hz موتر تعويم 32
نهائي_انجلي موتر تعويم 32
الشعاع النهائي موتر تعويم 32
التركيز_ سم موتر تعويم 32
متناسق موتر منطقي
ارتفاع موتر uint32
مثلث_أولي موتر تعويم 32
نصف القطر الأولي موتر تعويم 32
مسبار موتر سلسلة
الماسح الضوئي موتر سلسلة
استهداف موتر سلسلة
timestamp_id موتر uint32
الجهد االكهربى موتر تعويم 32
العرض موتر uint32
  • الاقتباس :
@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}
}
،

  • الوصف :

DukeUltrasound هي مجموعة بيانات بالموجات فوق الصوتية تم جمعها في جامعة Duke باستخدام مسبار Verasonics c52v. وهو يحتوي على بيانات مؤجلة ومحصلة بالحزمة (DAS) بالإضافة إلى بيانات تمت معالجتها لاحقًا باستخدام Siemens Dynamic TCE لتقليل البقع وتحسين التباين وتحسين وضوح الهياكل التشريحية. تم جمع هذه البيانات بدعم من المعهد الوطني للتصوير الطبي الحيوي والهندسة الحيوية بموجب المنحة R01-EB026574 والمعاهد الوطنية للصحة بموجب المنحة 5T32GM007171-44. مثال على الاستخدام متاح هنا .

  • الصفحة الرئيسية : https://github.com/ouwen/mimicknet

  • كود المصدر : tfds.datasets.duke_ultrasound.Builder

  • إصدارات :

    • 1.0.0 : الإصدار الأولي.
    • 1.0.1 (افتراضي): يعمل على إصلاح تحليل المجال المنطقي harmonic .
  • حجم التحميل : ١٢ ٫ 12.78 GiB

  • حجم مجموعة البيانات : 13.79 GiB

  • التخزين المؤقت التلقائي ( التوثيق ): لا

  • الانقسامات :

انشق، مزق أمثلة
'A' 1،362
'B' 1،194
'MARK' 420
'test' 438
'train' 2،556
'validation' 278
  • هيكل الميزة :
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,
})
  • وثائق الميزة :
ميزة فصل شكل نوع وصف
الميزات
داس الميزات
داس / ديسيبل موتر (لا أحد،) تعويم 32
داس / تخيل موتر (لا أحد،) تعويم 32
داس / حقيقي موتر (لا أحد،) تعويم 32
dtce موتر (لا أحد،) تعويم 32
f0_hz موتر تعويم 32
نهائي_انجلي موتر تعويم 32
الشعاع النهائي موتر تعويم 32
التركيز_ سم موتر تعويم 32
متناسق موتر منطقي
ارتفاع موتر uint32
مثلث_أولي موتر تعويم 32
نصف القطر الأولي موتر تعويم 32
مسبار موتر سلسلة
الماسح الضوئي موتر سلسلة
استهداف موتر سلسلة
timestamp_id موتر uint32
الجهد االكهربى موتر تعويم 32
العرض موتر uint32
  • الاقتباس :
@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}
}