دیتاست رتینوپاتی دیابتی Debrecen

دیتاست رتینوپاتی دیابتی Debrecen:

این پروژه مربوط به دیتاست رتینوپاتی دیابتی Debrecen می باشد. مجموعه داده ها حاوی ویژگی های استخراج شده از تصویر Messidor است که برای پیش بینی اینکه آیا تصویر حاوی علائم رتینوپاتی دیابتی است یا نه. تمام ویژگیها نشان دهنده یک ضایعه تشخیصی، ویژگی توصیفی یک بخش تشریحی یا یک توصیف گر سطح تصویر است. روش تجزیه و تحلیل تصویر و ویژگی استخراج ویژگی و همچنین روش طبقه بندی ما در بالینتدآنتال ، آندراس هاجدو توصیف شده است.

 یک سیستم مبتنی بر گروه برای غربالگری خودکار رتینوپاتی دیابتی، سیستم های مبتنی بر دانش ۶۰ (آوریل ۲۰۱۴)، ۲۰-۲۷٫ مجموعه تصویر (Messidor ) در دسترس است.

تعداد نمونه ها:

۱۱۵۱ نمونه

تعداد ویژگی ها:

۲۰ ویژگی

داده های پرت:

این دیتاست فاقد داده های پرت یا Missing Values می باشد.

امکانات پروژه دیتاست رتینوپاتی دیابتی Debrecen:

• این دیتاست دارای یک داکیومنت کامل فارسی است. در این داکیومنت عنوان دیتاست، توضیحات کامل دیتاست، تعداد ویژگی ها، تعداد نمونه ها، توضیح تمام ویژگی های موجود و لینک دیتاست تشریح شده است.
• این دیتاست دارای یک داکیومنت کامل انگلیسی نیز می باشد، که در این دیتاست اطلاعات کاملی به زبان لاتین در رابطه با دیتاست معرفی شده ارائه شده است.
• پس از خرید، امکان دانلود فایل اصلی دیتاست در قالب فایل اکسل میسر است.
• فایل پیش پردازش دیتاست
• وجود فایل ARFF و قابل اجرا در نرم افزار داده کاوی مثل وکا
• امکان دانلود لینک دیتاست در یک فایل متنی به صورت جداگانه

نکته: برای این دیتاست انواع الگوریتم های داده کاوی اهم از ۱۴۷ الگوریتم دسته بندی (مثل: درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان و …)، ۶ الگوریتم خوشه بندی (مثل: K-Means ، DBSCAN ،X-Means و…)، ۳ الگوریتم انجمنی (مثل Apriori ، FP-Growth  و …) و چندین الگوریتم انتخاب ویژگی (مثل PSO و …) با استفاده از ابزارهای داده کاوی و برنامه نویسی اعم از رپیدماینر، وکا، تاناگرا، SPSS، مدلر، کلمنتاین، متلب و … تهیه و پیاده سازی شده است.