ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

duke_ultrasound

  • รายละเอียด:

DukeUltrasound เป็นชุดข้อมูลอัลตราซาวนด์ที่รวบรวมที่ Duke University ด้วยโพรบ Verasonics c52v ประกอบด้วยข้อมูล beamformed ล่าช้าและผลรวม (DAS) เช่นเดียวกับข้อมูลที่ประมวลผลภายหลังด้วย Siemens Dynamic TCE สำหรับการลดจุด การเพิ่มความคมชัด และปรับปรุงความโดดเด่นของโครงสร้างทางกายวิภาค ข้อมูลเหล่านี้รวบรวมโดยได้รับการสนับสนุนจากสถาบัน National Institute of Biomedical Imaging and Bioengineering ภายใต้ Grant R01-EB026574 และ National Institutes of Health ภายใต้ Grant 5T32GM007171-44 ตัวอย่างการใช้งานที่สามารถใช้ได้ ที่นี่

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

  • รหัสที่มา: tfds.image.DukeUltrasound

  • รุ่น:

    • 1.0.0 (เริ่มต้น): ไม่มีบันทึกประจำรุ่น
  • ขนาดการดาวน์โหลด: 12.78 GiB

  • ขนาดชุด: Unknown size

  • ออโต้แคช ( เอกสาร ): ไม่ทราบ

  • แยก:

แยก ตัวอย่าง
'A' 1,362
'B' 1,194
'MARK' 420
'test' 438
'train' 2,556
'validation' 278
  • คุณสมบัติ:
FeaturesDict({
    'das': FeaturesDict({
        'dB': Tensor(shape=(None,), dtype=tf.float32),
        'imag': Tensor(shape=(None,), dtype=tf.float32),
        'real': Tensor(shape=(None,), dtype=tf.float32),
    }),
    'dtce': Tensor(shape=(None,), dtype=tf.float32),
    'f0_hz': tf.float32,
    'final_angle': tf.float32,
    'final_radius': tf.float32,
    'focus_cm': tf.float32,
    'harmonic': tf.bool,
    'height': tf.uint32,
    'initial_angle': tf.float32,
    'initial_radius': tf.float32,
    'probe': tf.string,
    'scanner': tf.string,
    'target': tf.string,
    'timestamp_id': tf.uint32,
    'voltage': tf.float32,
    'width': tf.uint32,
})
  • อ้างอิง:
@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}
}