مجموعة بيانات أورام المخ

تتكون مجموعة بيانات الكشف عن ورم الدماغ من صور طبية من التصوير بالرنين المغناطيسي أو التصوير المقطعي المحوسب ، تحتوي على معلومات حول وجود ورم في المخ وموقعه وخصائصه. تعد مجموعة البيانات هذه ضرورية لتدريب خوارزميات رؤية الكمبيوتر على أتمتة تحديد أورام المخ ، والمساعدة في التشخيص المبكر وتخطيط العلاج.

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://ultralytics.com/assets/brain-tumor.zip

استخدام

لتدريب أ YOLOv8n نموذج على مجموعة بيانات ورم الدماغ ل 100 حقبة بحجم صورة 640 ، استخدم مقتطفات التعليمات البرمجية المتوفرة. للحصول على قائمة مفصلة بالحجج المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.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=yolov8n.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.

التعليقات