książę_ultradźwięki

• Opis :

DukeUltrasound to zbiór danych ultradźwiękowych zebranych na Uniwersytecie Duke za pomocą sondy Verasonics c52v. Zawiera dane utworzone w oparciu o metodę opóźnienia i sumy (DAS), a także dane przetworzone później za pomocą oprogramowania Siemens Dynamic TCE w celu redukcji plamek, wzmocnienia kontrastu i poprawy widoczności struktur anatomicznych. Dane te zebrano przy wsparciu Narodowego Instytutu Obrazowania Biomedycznego i Bioinżynierii w ramach Grantu R01-EB026574 oraz Narodowego Instytutu Zdrowia w ramach Grantu 5T32GM007171-44. Przykład użycia jest dostępny tutaj .

• Strona główna : https://github.com/ouwen/mimicknet

• Kod źródłowy : tfds.datasets.duke_ultrasound.Builder

• Wersje :

  • 1.0.0 : Pierwsza wersja.
  • 1.0.1 (domyślnie): Naprawia analizę harmonic pola logicznego.
  • 2.0.0 : Naprawiono znacznik czasu_id z %Y%m%d%H%M%S na znacznik czasu posix.

• Rozmiar pobierania : 12.78 GiB

• Rozmiar zbioru danych : 13.79 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Struktura funkcji :

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,
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): ('das/dB', 'dtce')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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}
}