H11-M06_DOC.zip
データセットの概要より
Method 使用無監督式學習訓練之病理影像異常檢測模型，僅須提供未帶有腫瘤區域的資料來訓練模型，便可協助醫師偵測出病理影像中可能的腫瘤區域。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 Image Encoder (類似 MoCo) ，第二階段會使用到訓練好的 Encoder 來替所有圖片提取...
Source: H11-M06_考慮到例外分佈的病理影像標註品質評估技術
追加情報
| フィールド | 値 |
|---|---|
| 最終更新日 | 2023 / 10月 / 2, |
| メタデータ最終更新日時 | 2023 / 10月 / 2, |
| 作成日 | 2023 / 10月 / 2, |
| データ形式 | ZIP |
| ライセンス | Other (Non-Commercial) |
| Media type | application/zip |
| Size | 385,220 |
| format | ZIP |
| has views | True |
| id | c611886e-c9ef-43cc-8fcd-9f8e657705b2 |
| last modified | 1 年以上前 |
| md5 | c2e4ea80e3843b0fffe78b2fb9873e6c |
| on same domain | True |
| package id | eb4281b3-2ef1-4551-ba3f-11b75dae8461 |
| position | 2 |
| proxy url | https://scidm.nchc.org.tw/ja/dataset/eb4281b3-2ef1-4551-ba3f-11b75dae8461/resource/c611886e-c9ef-43cc-8fcd-9f8e657705b2/nchcproxy/H11-M06_DOC.zip |
| revision id | 3a74e1b2-48f5-4948-8405-02e7af43baa7 |
| sha256 | c54b1a8d905e43710c46c7bb08ed67ac1e2891d2b7f4870391181f6ef518d167 |
| state | active |
| url type | upload |
| 作成日 | 1 年以上前 |
推薦資料集：