ड्यूक_अल्ट्रासाउंड

  • विवरण :

DukeUtrasound एक अल्ट्रासाउंड डेटासेट है जिसे ड्यूक विश्वविद्यालय में Verasonics c52v जांच के साथ एकत्र किया गया है। इसमें डिले-एंड-सम (डीएएस) बीमफॉर्म्ड डेटा के साथ-साथ स्पेकल रिडक्शन, कंट्रास्ट एन्हांसमेंट और एनाटोमिकल स्ट्रक्चर्स की विशिष्टता में सुधार के लिए सीमेंस डायनेमिक टीसीई के साथ पोस्ट-प्रोसेस किए गए डेटा शामिल हैं। ये डेटा नेशनल इंस्टीट्यूट ऑफ बायोमेडिकल इमेजिंग एंड बायोइंजीनियरिंग ग्रांट R01-EB026574 के तहत और नेशनल इंस्टीट्यूट ऑफ हेल्थ ग्रांट 5T32GM007171-44 के तहत एकत्र किए गए थे। एक उपयोग उदाहरण यहां उपलब्ध है

  • होमपेज : https://github.com/ouwen/mimicknet

  • स्रोत कोड : tfds.datasets.duke_ultrasound.Builder

  • संस्करण :

    • 1.0.0 : प्रारंभिक रिलीज।
    • 1.0.1 (डिफ़ॉल्ट): बूलियन फ़ील्ड harmonic की पार्सिंग को ठीक करता है।
  • डाउनलोड का आकार : 12.78 GiB

  • डेटासेट का आकार : 13.79 GiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'A' 1,362
'B' 1,194
'MARK' 420
'test' 438
'train' 2,556
'validation' 278
  • फ़ीचर संरचना :
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,
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
दास विशेषताएं डिक्ट
दास/डीबी टेन्सर (कोई भी नहीं,) फ्लोट32
दास/कल्पना टेन्सर (कोई भी नहीं,) फ्लोट32
दास/असली टेन्सर (कोई भी नहीं,) फ्लोट32
dtce टेन्सर (कोई भी नहीं,) फ्लोट32
f0_hz टेन्सर फ्लोट32
final_angle टेन्सर फ्लोट32
final_radius टेन्सर फ्लोट32
फोकस_सेमी टेन्सर फ्लोट32
लयबद्ध टेन्सर बूल
ऊंचाई टेन्सर uint32
प्रारंभिक_कोण टेन्सर फ्लोट32
प्रारंभिक_त्रिज्या टेन्सर फ्लोट32
जांच टेन्सर डोरी
चित्रान्वीक्षक टेन्सर डोरी
लक्ष्य टेन्सर डोरी
timestamp_id टेन्सर uint32
वोल्टेज टेन्सर फ्लोट32
चौड़ाई टेन्सर uint32
  • उद्धरण :
@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}
}
,

  • विवरण :

DukeUtrasound एक अल्ट्रासाउंड डेटासेट है जिसे ड्यूक विश्वविद्यालय में Verasonics c52v जांच के साथ एकत्र किया गया है। इसमें डिले-एंड-सम (डीएएस) बीमफॉर्म्ड डेटा के साथ-साथ स्पेकल रिडक्शन, कंट्रास्ट एन्हांसमेंट और एनाटोमिकल स्ट्रक्चर्स की विशिष्टता में सुधार के लिए सीमेंस डायनेमिक टीसीई के साथ पोस्ट-प्रोसेस किए गए डेटा शामिल हैं। ये डेटा नेशनल इंस्टीट्यूट ऑफ बायोमेडिकल इमेजिंग एंड बायोइंजीनियरिंग ग्रांट R01-EB026574 के तहत और नेशनल इंस्टीट्यूट ऑफ हेल्थ ग्रांट 5T32GM007171-44 के तहत एकत्र किए गए थे। एक उपयोग उदाहरण यहां उपलब्ध है

  • होमपेज : https://github.com/ouwen/mimicknet

  • स्रोत कोड : tfds.datasets.duke_ultrasound.Builder

  • संस्करण :

    • 1.0.0 : प्रारंभिक रिलीज।
    • 1.0.1 (डिफ़ॉल्ट): बूलियन फ़ील्ड harmonic की पार्सिंग को ठीक करता है।
  • डाउनलोड का आकार : 12.78 GiB

  • डेटासेट का आकार : 13.79 GiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'A' 1,362
'B' 1,194
'MARK' 420
'test' 438
'train' 2,556
'validation' 278
  • फ़ीचर संरचना :
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,
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
दास विशेषताएं डिक्ट
दास/डीबी टेन्सर (कोई भी नहीं,) फ्लोट32
दास/कल्पना टेन्सर (कोई भी नहीं,) फ्लोट32
दास/असली टेन्सर (कोई भी नहीं,) फ्लोट32
dtce टेन्सर (कोई भी नहीं,) फ्लोट32
f0_hz टेन्सर फ्लोट32
final_angle टेन्सर फ्लोट32
final_radius टेन्सर फ्लोट32
फोकस_सेमी टेन्सर फ्लोट32
लयबद्ध टेन्सर बूल
ऊंचाई टेन्सर uint32
प्रारंभिक_कोण टेन्सर फ्लोट32
प्रारंभिक_त्रिज्या टेन्सर फ्लोट32
जांच टेन्सर डोरी
चित्रान्वीक्षक टेन्सर डोरी
लक्ष्य टेन्सर डोरी
timestamp_id टेन्सर uint32
वोल्टेज टेन्सर फ्लोट32
चौड़ाई टेन्सर uint32
  • उद्धरण :
@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}
}