مجموعة بيانات أورام الدماغ

تتكون مجموعة بيانات الكشف عن أورام الدماغ من صور طبية من التصوير بالرنين المغناطيسي أو التصوير المقطعي المحوسب، وتحتوي على معلومات حول وجود ورم الدماغ وموقعه وخصائصه. تُعد مجموعة البيانات هذه ضرورية لتدريب خوارزميات الرؤية الحاسوبية على أتمتة عملية تحديد ورم الدماغ، والمساعدة في التشخيص المبكر وتخطيط العلاج.

شاهد: الكشف عن أورام الدماغ باستخدام Ultralytics HUB

هيكلية مجموعة البيانات

تنقسم مجموعة بيانات أورام المخ إلى مجموعتين فرعيتين:

• مجموعة التدريب: تتألف من 893 صورة، كل منها مصحوبة بشروح مقابلة.
• مجموعة الاختبار: تتألف من 223 صورة، مع إقران التعليقات التوضيحية لكل واحدة منها.

التطبيقات

يتيح تطبيق الكشف عن أورام الدماغ باستخدام الرؤية الحاسوبية التشخيص المبكر والتخطيط للعلاج ومراقبة تطور الورم. من خلال تحليل بيانات التصوير الطبي مثل التصوير بالرنين المغناطيسي أو التصوير المقطعي المحوسب، تساعد أنظمة الرؤية الحاسوبية في تحديد أورام الدماغ بدقة، مما يساعد في التدخل الطبي في الوقت المناسب واستراتيجيات العلاج الشخصية.

مجموعة البيانات YAML

يُستخدم ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات ورم الدماغ، فإن ملف 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

الاستخدام

لتدريب نموذج YOLO11n على مجموعة بيانات ورم الدماغ لـ 100 حلقة تدريبية بحجم صورة 640، استخدم مقتطفات التعليمات البرمجية المتوفرة. للحصول على قائمة مفصلة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

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

تشتمل مجموعة بيانات أورام الدماغ على مجموعة واسعة من الصور التي تضم فئات متنوعة من الكائنات والمشاهد المعقدة. فيما يلي أمثلة لصور من مجموعة البيانات، مصحوبة بشروحها التوضيحية الخاصة بها

• صورة فسيفساء: معروض هنا مجموعة تدريب تضم صورًا لمجموعة بيانات مُوزّعة بالفسيفساء. تعمل تقنية الفسيفساء، وهي تقنية تدريب، على دمج صور متعددة في صورة واحدة، مما يعزز تنوع الدُفعات. يساعد هذا النهج في تحسين قدرة النموذج على التعميم عبر مختلف أحجام الأجسام ونسب الأبعاد والسياقات.

يسلط هذا المثال الضوء على تنوع الصور وتعقيدها ضمن مجموعة بيانات أورام الدماغ، مما يؤكد على مزايا دمج الفسيفساء أثناء مرحلة التدريب.

الاستشهادات والشكر والتقدير

تم إصدار مجموعة البيانات المتاحة بموجب ترخيصAGPL-3.0 .

الأسئلة الشائعة

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.

كيف يمكنني تدريب نموذج YOLO11 على مجموعة بيانات ورم الدماغ باستخدام Ultralytics ؟

يمكنك تدريب نموذج YOLO11 على مجموعة بيانات أورام الدماغ لـ 100 حلقة تدريبية بحجم صورة 640 بكسل باستخدام كل من طريقتين Python و CLI . فيما يلي أمثلة لكليهما:

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.

كيف يمكنني إجراء الاستدلال باستخدام نموذج YOLO11 مضبوط بدقة على مجموعة بيانات أورام الدماغ؟

يمكن إجراء الاستدلال باستخدام نموذج YOLO11 مضبوط بدقة باستخدام أي من النهجين Python أو CLI . فيما يلي 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")

# 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 8 أشهر ✏️ تم التحديث منذ 2 أشهر

التعليقات