Link to this sectionConjunto de datos de tumores cerebrales#

El conjunto de datos Brain Tumor de Ultralytics es un conjunto de datos de detección de objetos de 1.116 imágenes médicas (893 para entrenamiento y 223 para validación) procedentes de escáneres de resonancia magnética y tomografía computarizada, etiquetadas en 2 clases: negative (sin tumor) y positive (presencia de tumor). Te permite entrenar modelos de visión artificial para localizar tumores cerebrales en escáneres, lo que ayuda al diagnóstico precoz y a la planificación del tratamiento en aplicaciones sanitarias.

Link to this sectionEstructura 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 en Ultralytics Platform para navegar por las imágenes con sus superposiciones de anotación, ver la distribución de clases y los mapas de calor de cajas delimitadoras en la pestaña Charts y clónalo para entrenar tu propio modelo en la nube.

Link to this sectionAplicaciones#

La detección de tumores cerebrales con visión artificial permite el diagnóstico precoz, la planificación del tratamiento y el seguimiento de la progresión del tumor. Al analizar escáneres de resonancia magnética o tomografía computarizada, los modelos de detección localizan con precisión los tumores, lo que ayuda a la intervención médica oportuna y al 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

Link to this sectionYAML del dataset#

Un archivo YAML define la configuración del conjunto de datos, incluyendo rutas, 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

Link to this sectionUso#

Para entrenar un modelo YOLO26 con el conjunto de datos de tumores cerebrales durante 100 épocas 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 Entrenamiento 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")

Link to this sectionMuestras 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.

• Imagen en mosaico: este lote de entrenamiento muestra imágenes del conjunto de datos en mosaico. El mosaico combina varias imágenes en una durante el entrenamiento, lo que aumenta la diversidad del lote para que el modelo generalice mejor entre tamaños, formas y ubicaciones de tumores para el análisis de imágenes médicas.

Link to this sectionCitas y agradecimientos#

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

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/}
}

Link to this sectionFAQ#

Link to this section¿Cuál es la estructura del conjunto de datos de tumores cerebrales disponible en la documentación de Ultralytics?#

El conjunto de datos de tumores cerebrales contiene 1.116 imágenes divididas en dos subconjuntos: un conjunto de entrenamiento de 893 imágenes y un conjunto de validación de 223 imágenes, cada uno con anotaciones emparejadas. Esta división estructurada ayuda a desarrollar modelos de visión artificial robustos y precisos para detectar tumores cerebrales. Para obtener más información, consulta la sección Dataset Structure.

Link to this section¿Qué clases contiene el conjunto de datos de tumores cerebrales?#

El conjunto de datos de tumores cerebrales tiene 2 clases: negative (imágenes sin tumor cerebral) y positive (imágenes que muestran un tumor cerebral). Este etiquetado binario permite que un modelo de detección localice un tumor y marque los escáneres donde no hay ninguno presente.

Link to this section¿Cómo descargo el conjunto de datos de tumores cerebrales?#

El conjunto de datos de tumores cerebrales (4,21 MB) se descarga automáticamente desde los recursos de Ultralytics GitHub la primera vez que entrenas con data="brain-tumor.yaml"; no es necesaria una descarga manual. Puedes explorar conjuntos de datos relacionados en la descripción general de conjuntos de datos de detección.

Link to this section¿Cómo puedo entrenar un modelo YOLO26 con el conjunto de datos de tumores cerebrales usando Ultralytics?#

Puedes entrenar un modelo YOLO26 con el conjunto de datos de tumores cerebrales durante 100 épocas con un tamaño de imagen de 640px usando los métodos de Python y CLI. A continuación, tienes los ejemplos para ambos:

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)

Para obtener una lista detallada de los argumentos disponibles, consulta la página de Entrenamiento.

Link to this section¿Cuáles son los beneficios de utilizar el conjunto de datos de tumores cerebrales para la IA en el sector sanitario?#

Usar el conjunto de datos de tumores cerebrales en proyectos de IA permite el diagnóstico temprano y la planificación del tratamiento de los tumores cerebrales. Ayuda a automatizar la identificación de tumores cerebrales mediante computer vision, facilitando intervenciones médicas precisas y oportunas, y apoyando estrategias de tratamiento personalizadas. Esta aplicación tiene un potencial significativo para mejorar los resultados de los pacientes y la eficiencia médica. Para obtener más información sobre aplicaciones de IA en la atención médica, consulta las Ultralytics' healthcare solutions.

Link to this section¿Cómo realizo la inferencia usando un modelo YOLO26 ajustado con el conjunto de datos de tumores cerebrales?#

La inferencia usando un modelo YOLO26 ajustado se puede realizar mediante enfoques de Python o CLI. Aquí tienes los ejemplos:

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")

Link to this section¿Dónde puedo encontrar la configuración YAML para el conjunto de datos de tumores cerebrales?#

El archivo de configuración YAML para el conjunto de datos de tumores cerebrales se puede encontrar en brain-tumor.yaml. Este archivo incluye rutas, clases e información relevante adicional necesaria para entrenar y evaluar modelos con este conjunto de datos.