duke_ultrasound

• Keterangan :

DukeUltrasound adalah kumpulan data ultrasound yang dikumpulkan di Duke University dengan probe Verasonics c52v. Ini berisi data beamformed delay-and-sum (DAS) serta data pasca-pemrosesan dengan Siemens Dynamic TCE untuk pengurangan spekel, peningkatan kontras, dan peningkatan kejelasan struktur anatomi. Data ini dikumpulkan dengan dukungan dari Institut Nasional Pencitraan Biomedis dan Bioteknologi di bawah Hibah R01-EB026574 dan Institut Kesehatan Nasional di bawah Hibah 5T32GM007171-44. Contoh penggunaan tersedia di sini .

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

• Kode sumber : tfds.datasets.duke_ultrasound.Builder

• Versi :

  • 1.0.0 : Rilis awal.
  • 1.0.1 (default): Memperbaiki penguraian harmonic bidang boolean.
  • 2.0.0 : Perbaiki stempel waktu_id dari %Y%m%d%H%M%S ke stempel waktu posix.

• Ukuran unduhan : 12.78 GiB

• Ukuran kumpulan data : 13.79 GiB

• Cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

• Struktur fitur :

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,
})

• Dokumentasi fitur :

• Kunci yang diawasi (Lihat dokumen as_supervised ): ('das/dB', 'dtce')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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}
}