- คำอธิบาย :
DukeUltrasound เป็นชุดข้อมูลอัลตราซาวนด์ที่รวบรวมที่ Duke University ด้วยโพรบ Verasonics c52v ประกอบด้วยข้อมูลบีมฟอร์มดีเลย์และผลรวม (DAS) รวมถึงข้อมูลหลังการประมวลผลด้วย Siemens Dynamic TCE สำหรับการลดจุด การเพิ่มคอนทราสต์ และการปรับปรุงความเด่นชัดของโครงสร้างทางกายวิภาค ข้อมูลเหล่านี้รวบรวมโดยได้รับการสนับสนุนจาก National Institute of Biomedical Imaging and Bioengineering ภายใต้ Grant R01-EB026574 และ National Institutes of Health ภายใต้ Grant 5T32GM007171-44 ตัวอย่างการใช้งานมีอยู่ ที่นี่
หน้าแรก : https://github.com/ouwen/mimicknet
รหัสแหล่งที่มา :
tfds.datasets.duke_ultrasound.Builder
รุ่น :
-
1.0.0
: การเปิดตัวครั้งแรก -
1.0.1
(ค่าเริ่มต้น): แก้ไขการแยกวิเคราะห์ของharmonic
ฟิลด์บูลีน
-
ขนาดการดาวน์โหลด :
12.78 GiB
ขนาดชุดข้อมูล :
13.79 GiB
แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
แยก :
แยก | ตัวอย่าง |
---|---|
'A' | 1,362 |
'B' | 1,194 |
'MARK' | 420 |
'test' | 438 |
'train' | 2,556 |
'validation' | 278 |
- โครงสร้างคุณลักษณะ :
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,
})
- เอกสารคุณสมบัติ :
คุณสมบัติ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
ดา | คุณสมบัติDict | |||
ดาส/เดซิเบล | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดาส/อิมเมจ | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดาส/เรียล | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดีทีซี | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
f0_hz | เทนเซอร์ | ลอย32 | ||
สุดท้าย_มุม | เทนเซอร์ | ลอย32 | ||
Final_radius | เทนเซอร์ | ลอย32 | ||
โฟกัส_ซม | เทนเซอร์ | ลอย32 | ||
ฮาร์มอนิก | เทนเซอร์ | บูล | ||
ความสูง | เทนเซอร์ | uint32 | ||
initial_angle | เทนเซอร์ | ลอย32 | ||
initial_radius | เทนเซอร์ | ลอย32 | ||
หัววัด | เทนเซอร์ | สตริง | ||
เครื่องสแกน | เทนเซอร์ | สตริง | ||
เป้า | เทนเซอร์ | สตริง | ||
การประทับเวลา_id | เทนเซอร์ | uint32 | ||
แรงดันไฟฟ้า | เทนเซอร์ | ลอย32 | ||
ความกว้าง | เทนเซอร์ | uint32 |
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):('das/dB', 'dtce')
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@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}
}
, - คำอธิบาย :
DukeUltrasound เป็นชุดข้อมูลอัลตราซาวนด์ที่รวบรวมที่ Duke University ด้วยโพรบ Verasonics c52v ประกอบด้วยข้อมูลบีมฟอร์มดีเลย์และผลรวม (DAS) รวมถึงข้อมูลหลังการประมวลผลด้วย Siemens Dynamic TCE สำหรับการลดจุด การเพิ่มคอนทราสต์ และการปรับปรุงความเด่นชัดของโครงสร้างทางกายวิภาค ข้อมูลเหล่านี้รวบรวมโดยได้รับการสนับสนุนจาก National Institute of Biomedical Imaging and Bioengineering ภายใต้ Grant R01-EB026574 และ National Institutes of Health ภายใต้ Grant 5T32GM007171-44 ตัวอย่างการใช้งานมีอยู่ ที่นี่
หน้าแรก : https://github.com/ouwen/mimicknet
รหัสแหล่งที่มา :
tfds.datasets.duke_ultrasound.Builder
รุ่น :
-
1.0.0
: การเปิดตัวครั้งแรก -
1.0.1
(ค่าเริ่มต้น): แก้ไขการแยกวิเคราะห์ของharmonic
ฟิลด์บูลีน
-
ขนาดการดาวน์โหลด :
12.78 GiB
ขนาดชุดข้อมูล :
13.79 GiB
แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
แยก :
แยก | ตัวอย่าง |
---|---|
'A' | 1,362 |
'B' | 1,194 |
'MARK' | 420 |
'test' | 438 |
'train' | 2,556 |
'validation' | 278 |
- โครงสร้างคุณลักษณะ :
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,
})
- เอกสารคุณสมบัติ :
คุณสมบัติ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
ดา | คุณสมบัติDict | |||
ดาส/เดซิเบล | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดาส/อิมเมจ | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดาส/เรียล | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
ดีทีซี | เทนเซอร์ | (ไม่มี,) | ลอย32 | |
f0_hz | เทนเซอร์ | ลอย32 | ||
สุดท้าย_มุม | เทนเซอร์ | ลอย32 | ||
Final_radius | เทนเซอร์ | ลอย32 | ||
โฟกัส_ซม | เทนเซอร์ | ลอย32 | ||
ฮาร์มอนิก | เทนเซอร์ | บูล | ||
ความสูง | เทนเซอร์ | uint32 | ||
initial_angle | เทนเซอร์ | ลอย32 | ||
initial_radius | เทนเซอร์ | ลอย32 | ||
หัววัด | เทนเซอร์ | สตริง | ||
เครื่องสแกน | เทนเซอร์ | สตริง | ||
เป้า | เทนเซอร์ | สตริง | ||
การประทับเวลา_id | เทนเซอร์ | uint32 | ||
แรงดันไฟฟ้า | เทนเซอร์ | ลอย32 | ||
ความกว้าง | เทนเซอร์ | uint32 |
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):('das/dB', 'dtce')
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@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}
}