duke_ultrasound

  • Açıklama :

DukeUltrasound, Duke Üniversitesi'nde bir Verasonics c52v probu ile toplanan bir ultrason veri setidir. Gecikme ve toplam (DAS) ışın biçimli verilerin yanı sıra benek azaltma, kontrast geliştirme ve anatomik yapıların belirginliğinde iyileştirme için Siemens Dynamic TCE ile sonradan işlenmiş verileri içerir. Bu veriler, R01-EB026574 Hibe kapsamında Ulusal Biyomedikal Görüntüleme ve Biyomühendislik Enstitüsünden ve 5T32GM007171-44 Hibe kapsamında Ulusal Sağlık Enstitülerinden destek alınarak toplanmıştır. Bir kullanım örneği burada mevcuttur.

Bölmek Örnekler
'A' 1.362
'B' 1.194
'MARK' 420
'test' 438
'train' 2.556
'validation' 278
  • Özellik yapısı :
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,
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
das ÖzelliklerDict
das/dB tensör (Hiçbiri,) tf.float32
das/resim tensör (Hiçbiri,) tf.float32
das/gerçek tensör (Hiçbiri,) tf.float32
dtce tensör (Hiçbiri,) tf.float32
f0_hz tensör tf.float32
final_angle tensör tf.float32
final_radius tensör tf.float32
odak_cm tensör tf.float32
harmonik tensör tf.bool
yükseklik tensör tf.uint32
başlangıç_açı tensör tf.float32
başlangıç_yarıçapı tensör tf.float32
incelemek, bulmak tensör tf.string
tarayıcı tensör tf.string
hedef tensör tf.string
zaman damgası_kimliği tensör tf.uint32
Gerilim tensör tf.float32
Genişlik tensör tf.uint32
  • alıntı :
@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}
}