- Opis :
Klasyfikacja tekstur w histologii raka jelita grubego. Każdy przykład to obraz RGB o wymiarach 150 x 150 x 3 przedstawiający jedną z 8 klas.
Strona główna : https://zenodo.org/record/53169#.XGZemKwzbmG
Kod źródłowy :
tfds.image_classification.ColorectalHistology
Wersje :
-
2.0.0
(domyślnie): Nowe podzielone API ( https://tensorflow.org/datasets/splits )
-
Rozmiar pobierania :
246.14 MiB
Rozmiar zbioru danych :
179.23 MiB
Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy
shuffle_files=False
(pociąg)Podziały :
Podział | Przykłady |
---|---|
'train' | 5000 |
- Struktura funkcji :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(150, 150, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=8),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDykt | ||||
Nazwa pliku | Tekst | strunowy | ||
obraz | Obraz | (150, 150, 3) | uint8 | |
etykieta | Etykieta klasy | int64 | Osiem klas: 0: „nabłonek nowotworowy”, 1: „zrąb prosty”, 2: „zrąb złożony” (zrąb zawierający pojedyncze komórki nowotworowe i/lub pojedyncze komórki odpornościowe), 3: „konglomeraty komórek odpornościowych”, 4: „szczątki” i śluz”, 5: „gruczoły śluzowe”, 6: „tkanka tłuszczowa” i 7: „tło”. |
Klucze nadzorowane (zobacz dokument
as_supervised
):('image', 'label')
Rysunek ( tfds.show_examples ):
- Przykłady ( tfds.as_dataframe ):
- Cytat :
@article{kather2016multi,
title={Multi-class texture analysis in colorectal cancer histology},
author={Kather, Jakob Nikolas and Weis, Cleo-Aron and Bianconi, Francesco and Melchers, Susanne M and Schad, Lothar R and Gaiser, Timo and Marx, Alexander and Z{"o}llner, Frank Gerrit},
journal={Scientific reports},
volume={6},
pages={27988},
year={2016},
publisher={Nature Publishing Group}
}