Link to this sectionمجموعة بيانات أورام الدماغ#

تتكون مجموعة بيانات الكشف عن أورام الدماغ من صور طبية من مسح التصوير بالرنين المغناطيسي (MRI) أو الأشعة المقطعية (CT)، وتحتوي على معلومات حول وجود ورم الدماغ وموقعه وخصائصه. تُعد مجموعة البيانات هذه ضرورية لتدريب خوارزميات رؤية الحاسوب لأتمتة تحديد أورام الدماغ، مما يساعد في التشخيص المبكر وتخطيط العلاج في تطبيقات الرعاية الصحية.

Link to this sectionهيكل مجموعة البيانات#

تنقسم مجموعة بيانات أورام الدماغ إلى مجموعتين فرعيتين:

• مجموعة التدريب: تتكون من 893 صورة، كل منها مصحوبة بتعليقات توضيحية مقابلة.
• مجموعة الاختبار: تتكون من 223 صورة، مع تعليقات توضيحية مقترنة بكل منها.

تحتوي مجموعة البيانات على فئتين:

• سلبية: صور بدون أورام دماغية
• إيجابية: صور تحتوي على أورام دماغية

Link to this sectionالتطبيقات#

يمكّن تطبيق الكشف عن أورام الدماغ باستخدام رؤية الحاسوب من إجراء التشخيص المبكر، وتخطيط العلاج، ومراقبة تطور الورم. من خلال تحليل بيانات التصوير الطبي مثل مسح التصوير بالرنين المغناطيسي أو الأشعة المقطعية، تساعد أنظمة رؤية الحاسوب في تحديد أورام الدماغ بدقة، مما يساعد في التدخل الطبي في الوقت المناسب واستراتيجيات العلاج الشخصية.

يمكن للمهنيين الطبيين الاستفادة من هذه التقنية من أجل:

• تقليل وقت التشخيص وتحسين الدقة
• المساعدة في التخطيط الجراحي عن طريق تحديد مواقع الأورام بدقة
• مراقبة فعالية العلاج بمرور الوقت
• دعم الأبحاث في علم الأورام والأعصاب

Link to this sectionYAML مجموعة البيانات#

يُستخدم ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات، والفئات، وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات أورام الدماغ، يتم الاحتفاظ بملف brain-tumor.yaml على الرابط https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Brain-tumor dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/brain-tumor
# Example usage: yolo train data=brain-tumor.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── brain-tumor ← downloads here (4.21 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: brain-tumor # dataset root dir
train: images/train # train images (relative to 'path') 893 images
val: images/val # val images (relative to 'path') 223 images

# Classes
names:
  0: negative
  1: positive

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/brain-tumor.zip

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26 على مجموعة بيانات أورام الدماغ لمدة 100 حقبة (epoch) بحجم صورة 640، استخدم مقتطفات التعليمات البرمجية المقدمة. للحصول على قائمة مفصلة بالوسيطات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a brain-tumor fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/brain-tumor-sample.jpg")

Link to this sectionصور وشروحات توضيحية عينة#

تضم مجموعة بيانات أورام الدماغ مجموعة واسعة من الصور الطبية التي تتميز بمسح الدماغ مع وجود أورام وبدونها. فيما يلي أمثلة للصور من مجموعة البيانات، مصحوبة بتعليقاتها التوضيحية الخاصة.

• الصورة المفسفسة (Mosaiced Image): معروض هنا دفعة تدريب تتكون من صور مجموعة بيانات مفسفسة. التفسيف (Mosaicing)، كتقنية تدريب، يجمع صوراً متعددة في صورة واحدة، مما يعزز تنوع الدفعات. يساعد هذا النهج في تحسين قدرة النموذج على التعميم عبر مختلف أحجام وأشكال ومواقع الأورام داخل مسح الدماغ.

يسلط هذا المثال الضوء على تنوع وتعقيد الصور داخل مجموعة بيانات أورام الدماغ، مما يؤكد مزايا دمج التفسيف أثناء مرحلة التدريب لـ تحليل الصور الطبية.

Link to this sectionالاقتباسات والشكر#

تم إتاحة مجموعة البيانات بموجب رخصة AGPL-3.0.

إذا كنت تستخدم مجموعة البيانات هذه في أبحاثك أو عملك التطويري، يرجى الاستشهاد بها بشكل مناسب:

@dataset{Ultralytics_Brain_Tumor_Dataset_2023,
    author = {Ultralytics},
    title = {Brain Tumor Detection Dataset},
    year = {2023},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/brain-tumor/}
}

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي بنية مجموعة بيانات أورام الدماغ المتاحة في وثائق Ultralytics؟#

تنقسم مجموعة بيانات أورام الدماغ إلى مجموعتين فرعيتين: تتكون مجموعة التدريب من 893 صورة مع تعليقات توضيحية مقابلة، بينما تتكون مجموعة الاختبار من 223 صورة مع تعليقات توضيحية مقترنة. يساعد هذا التقسيم المنظم في تطوير نماذج رؤية حاسوب قوية ودقيقة للكشف عن أورام الدماغ. لمزيد من المعلومات حول بنية مجموعة البيانات، قم بزيارة قسم بنية مجموعة البيانات.

Link to this sectionكيف يمكنني تدريب نموذج YOLO26 على مجموعة بيانات أورام الدماغ باستخدام Ultralytics؟#

يمكنك تدريب نموذج YOLO26 على مجموعة بيانات أورام الدماغ لمدة 100 حقبة (epoch) بحجم صورة 640 بكسل باستخدام كل من Python وطرق CLI. فيما يلي أمثلة لكليهما:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

للحصول على قائمة مفصلة بالوسيطات المتاحة، راجع صفحة التدريب.

Link to this sectionما هي فوائد استخدام مجموعة بيانات أورام الدماغ للذكاء الاصطناعي في الرعاية الصحية؟#

إن استخدام مجموعة بيانات أورام الدماغ في مشاريع الذكاء الاصطناعي يتيح التشخيص المبكر وتخطيط العلاج لأورام الدماغ. وهو يساعد في أتمتة تحديد أورام الدماغ من خلال رؤية الحاسوب، مما يسهل التدخلات الطبية الدقيقة وفي الوقت المناسب، ويدعم استراتيجيات العلاج الشخصية. يحمل هذا التطبيق إمكانات كبيرة في تحسين نتائج المرضى والكفاءات الطبية. لمزيد من الرؤى حول تطبيقات الذكاء الاصطناعي في الرعاية الصحية، راجع حلول الرعاية الصحية من Ultralytics.

Link to this sectionكيف يمكنني إجراء الاستنتاج باستخدام نموذج YOLO26 تم ضبطه بدقة على مجموعة بيانات أورام الدماغ؟#

يمكن إجراء الاستنتاج باستخدام نموذج YOLO26 تم ضبطه بدقة إما باستخدام نهج Python أو CLI. إليك الأمثلة:

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a brain-tumor fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/brain-tumor-sample.jpg")

Link to this sectionأين يمكنني العثور على تكوين YAML لمجموعة بيانات أورام الدماغ؟#

يمكن العثور على ملف تكوين YAML لمجموعة بيانات أورام الدماغ على brain-tumor.yaml. يتضمن هذا الملف المسارات والفئات ومعلومات إضافية ذات صلة ضرورية لتدريب وتقييم النماذج على مجموعة البيانات هذه.