duke_อัลตราซาวนด์

• คำอธิบาย :

DukeUltrasound คือชุดข้อมูลอัลตราซาวนด์ที่รวบรวมที่มหาวิทยาลัย Duke พร้อมด้วยหัววัด Verasonics c52v ประกอบด้วยข้อมูลบีมฟอร์มความล่าช้าและผลรวม (DAS) รวมถึงข้อมูลที่ประมวลผลภายหลังด้วย Siemens Dynamic TCE สำหรับการลดจุด การเพิ่มความคมชัด และการปรับปรุงความชัดเจนของโครงสร้างทางกายวิภาค ข้อมูลเหล่านี้รวบรวมโดยการสนับสนุนจากสถาบันการถ่ายภาพและวิศวกรรมชีวภาพแห่งชาติภายใต้ Grant R01-EB026574 และสถาบันสุขภาพแห่งชาติภายใต้ Grant 5T32GM007171-44 มีตัวอย่างการใช้งาน อยู่ที่นี่

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

• ซอร์สโค้ด : tfds.datasets.duke_ultrasound.Builder

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 1.0.1 (ค่าเริ่มต้น): แก้ไขการแยกวิเคราะห์ harmonic ฟิลด์บูลีน
  • 2.0.0 : แก้ไข timestamp_id จาก %Y%m%d%H%M%S เป็นการประทับเวลา posix

• ขนาดการดาวน์โหลด : 12.78 GiB

• ขนาดชุดข้อมูล : 13.79 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

• โครงสร้างคุณสมบัติ :

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,
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('das/dB', 'dtce')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}