ডিউক_আল্ট্রাসাউন্ড

  • বর্ণনা :

ডিউক আল্ট্রাসাউন্ড হল একটি আল্ট্রাসাউন্ড ডেটাসেট যা ডিউক ইউনিভার্সিটিতে একটি ভেরাসোনিক্স c52v প্রোবের সাথে সংগ্রহ করা হয়েছে। এটিতে বিলম্ব-এবং-সাম (DAS) বিমফর্মড ডেটার পাশাপাশি দাগ কমানো, বৈপরীত্য বৃদ্ধি এবং শারীরবৃত্তীয় কাঠামোর সুস্পষ্টতার উন্নতির জন্য সিমেন্স ডায়নামিক TCE-এর সাথে পোস্ট-প্রসেস করা ডেটা রয়েছে। এই তথ্যগুলি অনুদান R01-EB026574 এর অধীনে ন্যাশনাল ইনস্টিটিউট অফ বায়োমেডিকেল ইমেজিং এবং বায়োইঞ্জিনিয়ারিং এবং অনুদান 5T32GM007171-44 এর অধীনে ন্যাশনাল ইনস্টিটিউট অফ হেলথের সহায়তায় সংগ্রহ করা হয়েছিল। একটি ব্যবহার উদাহরণ এখানে পাওয়া যায়.

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

  • সোর্স কোড : tfds.datasets.duke_ultrasound.Builder

  • সংস্করণ :

    • 1.0.0 : প্রাথমিক প্রকাশ।
    • 1.0.1 : বুলিয়ান ফিল্ড harmonic পার্সিং ফিক্স করে।
    • 2.0.0 (ডিফল্ট) : %Y%m%d%H%M%S থেকে posix টাইমস্ট্যাম্প পর্যন্ত timestamp_id ঠিক করুন।
  • ডাউনলোড সাইজ : 12.78 GiB

  • ডেটাসেটের আকার : 13.79 GiB

  • স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

  • বিভাজন :

বিভক্ত উদাহরণ
'A' 1,362
'B' 1,194
'MARK' 420
'test' 438
'train' 2,556
'validation' 278
  • বৈশিষ্ট্য গঠন :
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,
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
দাস ফিচারসডিক্ট
দাস/ডিবি টেনসর (কোনটিই নয়,) float32
দাস/চিত্র টেনসর (কোনটিই নয়,) float32
দাস/বাস্তব টেনসর (কোনটিই নয়,) float32
dtce টেনসর (কোনটিই নয়,) float32
f0_hz টেনসর float32
চূড়ান্ত_কোণ টেনসর float32
চূড়ান্ত_ব্যাসার্ধ টেনসর float32
ফোকাস_সেমি টেনসর float32
সুরেলা টেনসর bool
উচ্চতা টেনসর uint32
প্রাথমিক_কোণ টেনসর float32
প্রাথমিক_ব্যাসার্ধ টেনসর float32
তদন্ত টেনসর স্ট্রিং
স্ক্যানার টেনসর স্ট্রিং
লক্ষ্য টেনসর স্ট্রিং
timestamp_id টেনসর uint32
ভোল্টেজ টেনসর float32
প্রস্থ টেনসর uint32
  • উদ্ধৃতি :
@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}
}