duke_ultrasound

  • Keterangan :

DukeUltrasound adalah kumpulan data ultrasound yang dikumpulkan di Duke University dengan probe Verasonics c52v. Ini berisi data beamformed delay-and-sum (DAS) serta data pasca-pemrosesan dengan Siemens Dynamic TCE untuk pengurangan spekel, peningkatan kontras, dan peningkatan kejelasan struktur anatomi. Data ini dikumpulkan dengan dukungan dari Institut Nasional Pencitraan Biomedis dan Bioteknologi di bawah Hibah R01-EB026574 dan Institut Kesehatan Nasional di bawah Hibah 5T32GM007171-44. Contoh penggunaan tersedia di sini .

Membelah Contoh
'A' 1.362
'B' 1.194
'MARK' 420
'test' 438
'train' 2.556
'validation' 278
  • Struktur fitur : 
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,
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Tipe D Keterangan
FiturDict
da FiturDict
das/dB Tensor (Tidak ada,) float32
das/gambar Tensor (Tidak ada,) float32
das/nyata Tensor (Tidak ada,) float32
dtce Tensor (Tidak ada,) float32
f0_hz Tensor float32
sudut_akhir Tensor float32
radius_akhir Tensor float32
fokus_cm Tensor float32
harmonis Tensor bodoh
tinggi Tensor uint32
sudut_awal Tensor float32
radius_awal Tensor float32
menguji Tensor rangkaian
pemindai Tensor rangkaian
target Tensor rangkaian
stempel waktu_id Tensor uint32
voltase Tensor float32
lebar Tensor uint32
  • Kutipan : 
@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}
}