UNS
数据集源自Kaggle超声神经分割挑战赛，这个数据集包含11143张分辨率为580×420的超声图像，这些图像由临床专家手动标注以生成掩膜图像。在这11143个样本中，分别有5635张和5508张图像被用于训练和测试，训练集含标签，测试集无标签。即使是最勇敢的病人，在提到外科手术时也会感到畏缩。手术不可避免地带来不适，而且往往涉及显著的术后疼痛。目前，病人的疼痛通常通过使用带有许多不希望的副作用的麻醉药来管理。Kaggle超声神经分割挑战赛的赞助商正在致力于通过使用留置导管来改善疼痛管理，这些导管能在源头阻断或减轻疼痛。疼痛管理导管减少了对麻醉药的依赖，并加速了病人的康复。在超声图像中准确识别神经结构是有效插入病人疼痛管理导管的关键步骤。在这场比赛中，Kaggle参赛者面临的挑战是构建一个模型，能够识别颈部超声图像数据集中的神经结构。这样做可以改善导管的放置，为一个更无痛的未来做出贡献。
toujingbu可视化图片
可视化图片 1
可视化图片 2
数据集元信息
| 维度 | 2D |
| 模态 | ultrasound |
| 任务类型 | segmentation |
| 解剖结构 | Cervical nerves |
| 解剖区域 | Head and Neck |
| 类别数 | 1 |
| 数据量 | 5635 with annotation, 5508 without annotation. |
| 文件格式 | tif |
文件结构
ultrasound-nerve-segmentation
├── sample_submission.csv
├── test
│ ├── 9.tif
│ ├── 99.tif
│ ├── 999.tif
│ └── ...
└── train
├── 33_77_mask.tif
├── 33_77.tif
├── 33_78_mask.tif
├── 33_78.tif
├── 33_79.tif
└── ...图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | - |
(580, 420) |
| 中位值 | - |
(580, 420) |
| 最大值 | - |
(580, 420) |
引用
@misc{ultrasound-nerve-segmentation,
author = {Anna Montoya, Hasnin, kaggle446, shirzad, Will Cukierski, yffud},
title = {Ultrasound Nerve Segmentation},
publisher = {Kaggle},
year = {2016},
url = {https://kaggle.com/competitions/ultrasound-nerve-segmentation}
}