Conjunto de datos de tumores cerebrales#

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

El conjunto de datos de tumores cerebrales de Ultralytics es un conjunto de datos de detección de objetos con 1.116 imágenes médicas (893 para entrenamiento y 223 para validación) procedentes de resonancias magnéticas y tomografías computarizadas, etiquetadas en 2 clases: negative (sin tumor) y positive (con tumor). Te permite entrenar modelos de visión artificial para localizar tumores cerebrales en las imágenes, lo que facilita el diagnóstico precoz y la planificación del tratamiento en aplicaciones sanitarias.

Estructura del conjunto de datos#

El conjunto de datos de tumores cerebrales contiene 1.116 imágenes divididas en dos subconjuntos predefinidos, definidos por la configuración brain-tumor.yaml:

Cada imagen está etiquetada con una de las 2 clases:

• negative: imágenes sin tumor cerebral
• positive: imágenes que muestran un tumor cerebral

El conjunto de datos se descarga automáticamente (4.21 MB) desde los recursos de Ultralytics en GitHub la primera vez que entrenas, por lo que no hace falta configurarlo manualmente.

Explora Tumores cerebrales en Ultralytics Platform para ver las imágenes con sus superposiciones de anotaciones, consultar la distribución de clases y los mapas de calor de los cuadros delimitadores en la pestaña Charts, y clonarlo para entrenar tu propio modelo en la nube.

Aplicaciones#

La detección de tumores cerebrales con visión artificial facilita el diagnóstico precoz, la planificación del tratamiento y la monitorización de la evolución del tumor. Al analizar resonancias magnéticas o tomografías computarizadas, los modelos de detección localizan los tumores con precisión y facilitan una intervención médica oportuna y un tratamiento personalizado.

Los profesionales médicos pueden aprovechar esta tecnología para:

• Reducir el tiempo de diagnóstico y mejorar la precisión
• Facilitar la planificación quirúrgica mediante la localización precisa de los tumores
• Monitorizar la eficacia del tratamiento a lo largo del tiempo
• Apoyar la investigación en oncología y neurología

YAML del conjunto de datos#

Un archivo YAML define la configuración del conjunto de datos, incluidas las rutas, las clases y otra información relevante. Para el conjunto de datos de tumores cerebrales, el archivo brain-tumor.yaml se mantiene en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

# 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

Uso#

Para entrenar un modelo YOLO26 con el conjunto de datos de tumores cerebrales durante 100 épocas y con un tamaño de imagen de 640, utiliza los fragmentos de código proporcionados. Para consultar una lista detallada de los argumentos disponibles, visita la página de entrenamiento del modelo.

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n.pt")  # Carga un modelo preentrenado (recomendado para el entrenamiento)

# Entrenar el modelo
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("path/to/best.pt")  # carga un modelo ajustado con brain-tumor

# Inferencia con el modelo
results = model.predict("https://ultralytics.com/assets/brain-tumor-sample.jpg")

Imágenes de muestra y anotaciones#

El conjunto de datos de tumores cerebrales contiene escáneres cerebrales de resonancia magnética y tomografía computarizada con y sin tumores. A continuación se muestra una imagen de ejemplo del conjunto de datos con sus anotaciones.

• Imagen en mosaico: este lote de entrenamiento muestra imágenes del conjunto de datos dispuestas en mosaico. La creación de mosaicos combina varias imágenes en una durante el entrenamiento y aumenta la diversidad del lote, lo que ayuda al modelo a generalizar mejor ante distintos tamaños, formas y ubicaciones de tumores para el análisis de imágenes médicas.

Citas y agradecimientos#

El conjunto de datos está disponible bajo la licencia AGPL-3.0.

Si utilizas este conjunto de datos en tus trabajos de investigación o desarrollo, cítalo debidamente:

@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}
}

Preguntas frecuentes#