チェエキスパート

• 説明:

CheXpert は胸部 X 線の大規模なデータセットであり、自動化された胸部 X 線解釈の競合であり、不確実性ラベルと放射線科医がラベル付けした参照標準評価セットを特徴としています。これは、65,240 人の患者の 224,316 枚の胸部 X 線写真で構成されており、胸部 X 線検査と関連する放射線レポートがスタンフォード病院から遡及的に収集されました。各レポートは、14 の観察結果の存在について、陽性、陰性、または不確実としてラベル付けされました。レポートの有病率と臨床的関連性に基づいて、14の観察結果を決定しました。

CheXpert データセットは、Research Use Agreement を読んで同意した後、個別にダウンロードする必要があります。そのためには、ウェブサイトhttps://stanfordmlgroup.github.io/competitions/chexpert/の指示に従ってください。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: https://stanfordmlgroup.github.io/competitions/chexpert/

• ソース コード: tfds.image_classification.Chexpert

• バージョン:

  • 3.1.0 (デフォルト): リリース ノートはありません。

• ダウンロードサイズ: サイズUnknown size

• データセットのサイズ: サイズUnknown size

• 手動ダウンロードの手順: このデータセットでは、ソース データを手動でdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ) にダウンロードする必要があります。
  データセット ページで登録し、ユーザー同意書に同意する必要があります: https://stanfordmlgroup.github.io/competitions/chexpert/その後、CheXpert-v1.0-small ディレクトリを manual_dir に配置する必要があります。これにはサブディレクトリが含まれている必要があります: train/ および valid/ と画像、train.csv および valid.csv ファイル。

• 自動キャッシュ(ドキュメント): 不明

• スプリット:

• 機能構造:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image_view': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'label': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=4)),
    'name': Text(shape=(), dtype=string),
})

• 機能のドキュメント:

• 監視されたキー( as_supervised docを参照): ('image', 'label')

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ): ありません。

• 引用：

@article{DBLP:journals/corr/abs-1901-07031,
  author    = {Jeremy Irvin and Pranav Rajpurkar and Michael Ko and Yifan Yu and Silviana Ciurea{-}Ilcus and Chris Chute and Henrik Marklund and Behzad Haghgoo and Robyn L. Ball and Katie Shpanskaya and Jayne Seekins and David A. Mong and Safwan S. Halabi and Jesse K. Sandberg and Ricky Jones and David B. Larson and Curtis P. Langlotz and Bhavik N. Patel and Matthew P. Lungren and Andrew Y. Ng},
  title     = {CheXpert: {A} Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison},
  journal   = {CoRR},
  volume    = {abs/1901.07031},
  year      = {2019},
  url       = {http://arxiv.org/abs/1901.07031},
  archivePrefix = {arXiv},
  eprint    = {1901.07031},
  timestamp = {Fri, 01 Feb 2019 13:39:59 +0100},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1901-07031},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}