Zum Inhalt springen

Hirntumor-Datensatz

Ein Datensatz zur Erkennung von Hirntumoren besteht aus medizinischen Bildern von MRT- oder CT-Scans, die Informationen ĂŒber das Vorhandensein, die Lage und die Merkmale von Hirntumoren enthalten. Dieser Datensatz ist wichtig, um Bildverarbeitungsalgorithmen zu trainieren, die die Erkennung von Hirntumoren automatisieren und so zu einer frĂŒhzeitigen Diagnose und Behandlungsplanung beitragen.

Struktur des Datensatzes

Der Hirntumor-Datensatz ist in zwei Teilmengen unterteilt:

  • Trainingsset: Bestehend aus 893 Bildern, die jeweils mit entsprechenden Kommentaren versehen sind.
  • Testsatz: Bestehend aus 223 Bildern, zu denen jeweils zwei Anmerkungen gemacht wurden.

Anwendungen

Die Erkennung von Hirntumoren mithilfe von Computer Vision ermöglicht eine frĂŒhzeitige Diagnose, Behandlungsplanung und Überwachung des Tumorverlaufs. Durch die Analyse medizinischer Bilddaten wie MRT- oder CT-Scans helfen Bildverarbeitungssysteme bei der genauen Identifizierung von Hirntumoren und unterstĂŒtzen so rechtzeitige medizinische Eingriffe und personalisierte Behandlungsstrategien.

Datensatz YAML

Eine YAML-Datei (Yet Another Markup Language) wird verwendet, um die Konfiguration des Datensatzes zu definieren. Sie enthĂ€lt Informationen ĂŒber die Pfade des Datensatzes, die Klassen und andere relevante Informationen. Im Fall des Hirntumordatensatzes ist die brain-tumor.yaml Datei wird verwaltet unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

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

Verwendung

Um ein YOLOv8n Modell auf dem Hirntumor-Datensatz fĂŒr 100 Epochen mit einer BildgrĂ¶ĂŸe von 640 zu trainieren, verwende die bereitgestellten Codeschnipsel. Eine detaillierte Liste der verfĂŒgbaren Argumente findest du auf der Seite Training des Modells.

Beispiel fĂŒr einen Zug

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

Beispiel fĂŒr eine Schlussfolgerung

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"

Beispielbilder und Anmerkungen

Der Hirntumor-Datensatz umfasst eine Vielzahl von Bildern mit verschiedenen Objektkategorien und komplexen Szenen. Im Folgenden findest du Beispiele fĂŒr Bilder aus dem Datensatz, die mit den entsprechenden Kommentaren versehen sind

Hirntumor-Datensatz Beispielbild

  • Mosaikbild: Hier siehst du einen Trainingsstapel mit Mosaikbildern aus dem Datensatz. Bei der Mosaikbildung werden mehrere Bilder zu einem einzigen zusammengefasst, um die Vielfalt des Stapels zu erhöhen. Dieser Ansatz verbessert die FĂ€higkeit des Modells, ĂŒber verschiedene ObjektgrĂ¶ĂŸen, SeitenverhĂ€ltnisse und Kontexte hinweg zu generalisieren.

Dieses Beispiel verdeutlicht die Vielfalt und KomplexitÀt der Bilder im Hirntumordatensatz und unterstreicht die Vorteile der Mosaikbildung in der Trainingsphase.

Zitate und Danksagungen

Der Datensatz wurde unter der AGPL-3.0 Lizenz veröffentlicht.



Erstellt 2024-03-19, Aktualisiert 2024-04-02
Autoren: Burhan-Q (1), RizwanMunawar (1)

Kommentare