Conjunto de datos de tumores cerebrales#

El conjunto de datos Ultralytics Brain Tumor es un conjunto de datos de object detection de 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 (tumor presente). Te permite entrenar modelos de computer vision para localizar tumores cerebrales en exploraciones, apoyando el diagnóstico precoz y la planificación de tratamientos en healthcare applications.

Estructura del dataset#

El conjunto de datos de tumores cerebrales contiene 1.116 imágenes divididas en dos subconjuntos predefinidos, definidos por la configuración de 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 GitHub la primera vez que entrenas, por lo que no se requiere configuración manual.

Explora Brain Tumor on Ultralytics Platform para examinar las imágenes con sus superposiciones de anotaciones, ver la distribución de clases y los mapas de calor de cuadros delimitadores en la pestaña Charts, y clónalo para entrenar tu propio modelo en la nube.

Aplicaciones#

La detección de tumores cerebrales con computer vision permite el early diagnosis, la planificación de tratamientos y el seguimiento de la progresión tumoral. Al analizar resonancias magnéticas o tomografías computarizadas, los modelos de detección localizan con precisión los tumores, apoyando 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
• Ayudar en la planificación quirúrgica localizando los tumores con precisión
• Controlar la eficacia del tratamiento a lo largo del tiempo
• Apoyar la investigación en oncología y neurología

YAML del dataset#

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 en el conjunto de datos de tumores cerebrales durante 100 epochs con un tamaño de imagen de 640, utiliza los fragmentos de código proporcionados. Para obtener una lista detallada de los argumentos disponibles, consulta la página de Training del modelo.

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")

Muestras de imágenes 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 un ejemplo de imagen del conjunto de datos con sus anotaciones.

• Mosaiced Image: Este lote de entrenamiento muestra imágenes del conjunto de datos combinadas en mosaico. La combinación en mosaico une varias imágenes en una sola durante el entrenamiento, lo que aumenta la diversidad del lote para que el modelo generalice mejor entre diferentes tamaños, formas y ubicaciones de tumores para el medical image analysis.

Citas y agradecimientos#

El conjunto de datos se ha puesto a disposición bajo la AGPL-3.0 License.

Si utilizas este conjunto de datos en tu trabajo de investigación o desarrollo, por favor cítalo adecuadamente:

@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#