Gehirntumor-Datensatz#

1,116

brain tumor

ultralytics

publicDetect

Brain Tumor is a compact MRI collection for localization-oriented medical imaging. Bounding-box labels distinguish positive and negative tumor targets, supporting experiments in lesion detection across varied brain anatomy, scan contrast, tumor appearance, and background tissue.

62 classes9.5 MBSep 2, 2026

negativepositive

Der Gehirntumor-Datensatz von Ultralytics ist ein Datensatz zur Objekterkennung mit 1.116 medizinischen Bildern (893 zum Trainieren und 223 zur Validierung) aus MRT- und CT-Aufnahmen, die in 2 Klassen gekennzeichnet sind: negative (kein Tumor) und positive (Tumor vorhanden). Damit kannst du Computer-Vision-Modelle trainieren, um Gehirntumoren in Aufnahmen zu lokalisieren, und so die frühzeitige Diagnose und Behandlungsplanung in Anwendungen im Gesundheitswesen unterstützen.

Datensatzstruktur#

Der Gehirntumor-Datensatz enthält 1.116 Bilder, die in zwei vordefinierte Teilmengen aufgeteilt sind und durch die Konfiguration brain-tumor.yaml festgelegt werden:

Jedes Bild ist mit einer von 2 Klassen gekennzeichnet:

• negative: Bilder ohne Gehirntumor
• positive: Bilder mit einem Gehirntumor

Der Datensatz wird beim ersten Training automatisch (4,21 MB) aus den GitHub-Ressourcen von Ultralytics heruntergeladen, sodass keine manuelle Einrichtung erforderlich ist.

Erkunde Gehirntumor auf der Ultralytics-Plattform, um die Bilder mit ihren eingeblendeten Annotationen zu durchsuchen, die Klassenverteilung und Heatmaps der Begrenzungsrahmen im Tab Diagramme anzuzeigen und den Datensatz zu klonen, um dein eigenes Modell in der Cloud zu trainieren.

Anwendungen#

Die Erkennung von Gehirntumoren mithilfe von Computer Vision ermöglicht eine frühzeitige Diagnose, Behandlungsplanung und Überwachung des Tumorverlaufs. Durch die Analyse von MRT- oder CT-Aufnahmen lokalisieren Erkennungsmodelle Tumoren präzise und unterstützen so eine rechtzeitige medizinische Behandlung und personalisierte Therapie.

Medizinisches Fachpersonal kann diese Technologie nutzen, um:

• Die Diagnosezeit zu verkürzen und die Genauigkeit zu verbessern
• Die Operationsplanung durch die präzise Lokalisierung von Tumoren zu unterstützen
• Die Wirksamkeit der Behandlung im Zeitverlauf zu überwachen
• Die Forschung in Onkologie und Neurologie zu unterstützen

Dataset-YAML#

Eine YAML-Datei definiert die Konfiguration des Datensatzes, einschließlich Pfaden, Klassen und weiterer relevanter Informationen. Für den Gehirntumor-Datensatz wird die Datei brain-tumor.yaml unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml gepflegt.

# 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

Verwendung#

Um ein YOLO26-Modell 100 Epochen lang mit einer Bildgröße von 640 auf dem Gehirntumor-Datensatz zu trainieren, verwende die bereitgestellten Codebeispiele. Eine detaillierte Liste der verfügbaren Argumente findest du auf der Seite Training des Modells.

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")

Beispielbilder und Annotationen#

Der Gehirntumor-Datensatz enthält MRT- und CT-Aufnahmen des Gehirns mit und ohne Tumoren. Unten siehst du ein Beispielbild aus dem Datensatz mit seinen Annotationen.

• Mosaikbild: Dieser Trainingsstapel zeigt zu einem Mosaik zusammengesetzte Bilder aus dem Datensatz. Beim Mosaikverfahren werden während des Trainings mehrere Bilder zu einem Bild kombiniert. Dadurch erhöht sich die Vielfalt im Stapel, sodass das Modell besser über verschiedene Tumorgrößen, -formen und -positionen hinweg generalisiert und die Analyse medizinischer Bilder unterstützt.

Zitate und Danksagungen#

Der Datensatz wurde unter der AGPL-3.0-Lizenz veröffentlicht.

Wenn du diesen Datensatz in deiner Forschung oder Entwicklungsarbeit verwendest, zitiere ihn bitte ordnungsgemäß:

@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}
}

FAQ#