Link to this sectionمجموعة بيانات أورام الدماغ#

مجموعة بيانات Ultralytics Brain Tumor هي مجموعة بيانات لكشف الأشياء تحتوي على 1,116 صورة طبية (893 للتدريب و 223 للتحقق) من فحوصات الرنين المغناطيسي والأشعة المقطعية، ومصنفة ضمن فئتين: negative (لا يوجد ورم) و positive (وجود ورم). تتيح لك هذه المجموعة تدريب نماذج الرؤية الحاسوبية لتحديد مواقع أورام المخ في الفحوصات، مما يدعم التشخيص المبكر وتخطيط العلاج في التطبيقات الصحية.

Link to this sectionهيكل مجموعة البيانات#

تحتوي مجموعة بيانات أورام المخ على 1,116 صورة مقسمة إلى مجموعتين فرعيتين محددتين مسبقاً، وفقاً لملف التكوين brain-tumor.yaml:

كل صورة مصنفة ضمن واحدة من فئتين:

• negative: صور بدون ورم في المخ
• positive: صور تظهر وجود ورم في المخ

يتم تنزيل مجموعة البيانات تلقائياً (4.21 ميجابايت) من مستودع Ultralytics على GitHub في المرة الأولى التي تبدأ فيها التدريب، لذا لا يلزم إجراء إعداد يدوي.

استكشف Brain Tumor على منصة Ultralytics لتصفح الصور مع تراكبات التعليقات التوضيحية الخاصة بها، وعرض توزيع الفئات والخرائط الحرارية للمربعات المحيطة في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص في السحابة.

Link to this sectionالتطبيقات#

يُمكّن الكشف عن أورام المخ باستخدام الرؤية الحاسوبية من التشخيص المبكر وتخطيط العلاج ومراقبة تطور الورم. من خلال تحليل فحوصات الرنين المغناطيسي أو الأشعة المقطعية، تحدد نماذج الكشف بدقة مواقع الأورام، مما يدعم التدخل الطبي في الوقت المناسب والعلاج الشخصي.

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#

يحدد ملف YAML إعدادات مجموعة البيانات، بما في ذلك المسارات والفئات والمعلومات الأخرى ذات الصلة. بالنسبة لمجموعة بيانات أورام المخ، يتم الاحتفاظ بملف brain-tumor.yaml في 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 المخ لمدة 100 دورة تدريبية (epochs) بحجم صورة 640، استخدم مقتطفات الكود المقدمة. للحصول على قائمة مفصلة بالوسائط 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#

تحتوي مجموعة بيانات أورام المخ على فحوصات رنين مغناطيسي وأشعة مقطعية للمخ مع وبدون أورام. فيما يلي صورة نموذجية من مجموعة البيانات مع تعليقاتها التوضيحية.

• صورة مفسفسة (Mosaiced Image): تعرض دفعة التدريب هذه صوراً مفسفسة من مجموعة البيانات. يجمع التفسيف (Mosaicing) بين صور متعددة في صورة واحدة أثناء التدريب، مما يزيد من تنوع الدفعات بحيث يعمم النموذج بشكل أفضل عبر أحجام وأشكال ومواقع الأورام 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؟#

تحتوي مجموعة بيانات أورام المخ على 1,116 صورة مقسمة إلى مجموعتين فرعيتين: مجموعة تدريب من 893 صورة و مجموعة تحقق من 223 صورة، مع وجود تعليقات توضيحية مقترنة لكل منهما. يدعم هذا التقسيم الهيكلي تطوير نماذج رؤية حاسوبية قوية ودقيقة للكشف عن أورام المخ. لمزيد من المعلومات، راجع قسم هيكل مجموعة البيانات.

Link to this sectionما هي الفئات التي تحتوي عليها مجموعة بيانات أورام المخ؟#

تحتوي مجموعة بيانات أورام المخ على فئتين: negative (صور بدون ورم في المخ) و positive (صور تظهر ورم في المخ). يتيح هذا التصنيف الثنائي لنموذج الكشف تحديد موقع الورم والإشارة إلى الفحوصات التي لا يوجد فيها أي ورم.

Link to this sectionكيف يمكنني تنزيل مجموعة بيانات أورام المخ؟#

يتم تنزيل مجموعة بيانات أورام المخ (4.21 ميجابايت) تلقائياً من أصول Ultralytics على GitHub في المرة الأولى التي تقوم فيها بالتدريب باستخدام data="brain-tumor.yaml" — لا يلزم تنزيل يدوي. يمكنك تصفح مجموعات البيانات ذات الصلة في نظرة عامة على مجموعات بيانات الكشف.

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؟#

يتيح استخدام مجموعة بيانات أورام المخ في مشاريع الذكاء الاصطناعي التشخيص المبكر وتخطيط العلاج لأورام المخ. وهي تساعد في أتمتة تحديد أورام المخ من خلال computer vision، 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 الأفكار حول تطبيقات الذكاء الاصطناعي في الرعاية الصحية، انظر Ultralytics' healthcare solutions.

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.