مجموعة بيانات أورام المخ

A brain tumor detection dataset consists of medical images from MRI or CT scans, containing information about brain tumor presence, location, and characteristics. This dataset is essential for training computer vision algorithms to automate brain tumor identification, aiding in early diagnosis and treatment planning.

شاهد: الكشف عن أورام الدماغ باستخدام Ultralytics HUB

هيكل مجموعة البيانات

تنقسم مجموعة بيانات ورم الدماغ إلى مجموعتين فرعيتين:

• مجموعة التدريب: تتكون من 893 صورة ، كل منها مصحوب بالتعليقات التوضيحية المقابلة.
• مجموعة الاختبار: تضم 223 صورة ، مع تعليقات توضيحية مقترنة لكل صورة.

التطبيقات

يتيح تطبيق الكشف عن أورام المخ باستخدام رؤية الكمبيوتر التشخيص المبكر وتخطيط العلاج ومراقبة تطور الورم. من خلال تحليل بيانات التصوير الطبي مثل التصوير بالرنين المغناطيسي أو الأشعة المقطعية ، تساعد أنظمة رؤية الكمبيوتر في تحديد أورام المخ بدقة ، والمساعدة في التدخل الطبي في الوقت المناسب واستراتيجيات العلاج الشخصية.

مجموعة البيانات YAML

يتم استخدام ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات والفئات والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات ورم الدماغ ، فإن brain-tumor.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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 (4.05 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: ../datasets/brain-tumor # dataset root dir
train: train/images # train images (relative to 'path') 893 images
val: valid/images # val images (relative to 'path') 223 images
test: # test images (relative to 'path')

# Classes
names:
  0: negative
  1: positive

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

استخدام

To train a YOLO11n model on the brain tumor dataset for 100 epochs with an image size of 640, utilize the provided code snippets. For a detailed list of available arguments, consult the model's Training page.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt 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")

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/brain-tumor-sample.jpg"

عينة من الصور والتعليقات التوضيحية

تشمل مجموعة بيانات أورام المخ مجموعة واسعة من الصور التي تتميز بفئات كائنات متنوعة ومشاهد معقدة. فيما يلي أمثلة على الصور من مجموعة البيانات ، مصحوبة بالتعليقات التوضيحية الخاصة بها

• صورة فسيفسائية: تعرض هنا دفعة تدريب تتكون من صور مجموعة بيانات فسيفسائية. تعمل الفسيفساء ، وهي تقنية تدريب ، على دمج صور متعددة في صورة واحدة ، مما يعزز تنوع الدفعات. يساعد هذا النهج في تحسين قدرة النموذج على التعميم عبر أحجام الكائنات المختلفة ونسب العرض إلى الارتفاع والسياقات.

يسلط هذا المثال الضوء على تنوع وتعقيد الصور داخل مجموعة بيانات ورم الدماغ ، مما يؤكد على مزايا دمج الفسيفساء أثناء مرحلة التدريب.

الاستشهادات والشكر

تم إصدار مجموعة البيانات المتاحة تحت AGPL-3.0 الترخيص.

الأسئلة المتداولة

ما هي بنية مجموعة بيانات أورام الدماغ المتوفرة في وثائق Ultralytics ؟

تنقسم مجموعة بيانات الأورام الدماغية إلى مجموعتين فرعيتين: تتكون مجموعة التدريب من 893 صورة مع شروح مطابقة، بينما تتكون مجموعة الاختبار من 223 صورة مع شروح مقترنة. يساعد هذا التقسيم المنظم في تطوير نماذج رؤية حاسوبية قوية ودقيقة للكشف عن أورام الدماغ. لمزيد من المعلومات حول بنية مجموعة البيانات، يرجى زيارة قسم بنية مجموعة البيانات.

How can I train a YOLO11 model on the brain tumor dataset using Ultralytics?

You can train a YOLO11 model on the brain tumor dataset for 100 epochs with an image size of 640px using both Python and CLI methods. Below are the examples for both:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt epochs=100 imgsz=640

للحصول على قائمة مفصلة بالوسائط المتاحة، راجع صفحة التدريب.

ما هي فوائد استخدام مجموعة بيانات أورام الدماغ للذكاء الاصطناعي في مجال الرعاية الصحية؟

يتيح استخدام مجموعة بيانات أورام الدماغ في مشاريع الذكاء الاصطناعي التشخيص المبكر والتخطيط العلاجي لأورام الدماغ. ويساعد في أتمتة عملية تحديد أورام الدماغ من خلال الرؤية الحاسوبية، وتسهيل التدخلات الطبية الدقيقة وفي الوقت المناسب، ودعم استراتيجيات العلاج الشخصي. يحمل هذا التطبيق إمكانات كبيرة في تحسين نتائج المرضى والكفاءة الطبية.

How do I perform inference using a fine-tuned YOLO11 model on the brain tumor dataset?

Inference using a fine-tuned YOLO11 model can be performed with either Python or CLI approaches. Here are the examples:

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")

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/brain-tumor-sample.jpg"

أين يمكنني العثور على تكوين YAML لمجموعة بيانات ورم الدماغ؟

يمكن العثور على ملف تهيئة YAML لمجموعة بيانات ورم الدماغ في brain-tumor.yaml. يتضمن هذا الملف مسارات وفئات ومعلومات إضافية ذات صلة ضرورية لتدريب النماذج وتقييمها على مجموعة البيانات هذه.

📅 تم إنشاؤها قبل 6 أشهر ✏️ تم التحديث منذ 8 أيام

التعليقات