duque_ultrassom

• Descrição :

DukeUltrasound é um conjunto de dados de ultrassom coletado na Duke University com uma sonda Verasonics c52v. Ele contém dados formados por feixe de atraso e soma (DAS), bem como dados pós-processados ​​com Siemens Dynamic TCE para redução de manchas, aprimoramento de contraste e melhoria na visibilidade de estruturas anatômicas. Esses dados foram coletados com o apoio do Instituto Nacional de Imagens Biomédicas e Bioengenharia sob a concessão R01-EB026574 e dos Institutos Nacionais de Saúde sob a concessão 5T32GM007171-44. Um exemplo de uso está disponível aqui .

• Página inicial : https://github.com/ouwen/mimicknet

• Código fonte : tfds.datasets.duke_ultrasound.Builder

• Versões :

  • 1.0.0 : Versão inicial.
  • 1.0.1 (padrão): Corrige a análise do campo booleano harmonic .
  • 2.0.0 : Correção de timestamp_id de %Y%m%d%H%M%S para timestamp posix.

• Tamanho do download : 12.78 GiB

• Tamanho do conjunto de dados : 13.79 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

• Estrutura de recursos :

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,
})

• Documentação de recursos :

• Chaves supervisionadas (consulte o documento as_supervised ): ('das/dB', 'dtce')

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@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}
}