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 compuesto por 1.116 imágenes médicas (893 para entrenamiento y 223 para validación) procedentes de exploraciones de resonancia magnética y tomografía computarizada, etiquetadas en 2 clases: negative (sin tumor) y positive (con tumor). Te permite entrenar modelos de visión artificial para localizar tumores cerebrales en exploraciones, lo que facilita el diagnóstico temprano y la planificación del tratamiento en aplicaciones sanitarias.

Estructura del dataset#

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 2 clases:

• negative: imágenes sin tumor cerebral
• positive: imágenes en las que aparece un tumor cerebral

El conjunto de datos se descarga automáticamente (4,21 MB) desde los recursos de GitHub de Ultralytics la primera vez que entrenas, por lo que no es necesario configurarlo manualmente.

Explora Brain Tumor en Ultralytics Platform para examinar 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 mediante visión artificial permite el diagnóstico temprano, la planificación del tratamiento y la monitorización de la progresión tumoral. Al analizar exploraciones de resonancia magnética o tomografía computarizada, los modelos de detección localizan los tumores con precisión, lo que facilita una intervención médica oportuna y un tratamiento personalizado.

Los profesionales sanitarios pueden aprovechar esta tecnología para:

• Reducir el tiempo de diagnóstico y mejorar la precisión
• Ayudar en 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 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 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

# 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")

Imágenes de ejemplo y anotaciones#

El conjunto de datos de tumores cerebrales contiene exploraciones 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, lo que aumenta la diversidad del lote para que el modelo generalice mejor entre tumores de distintos tamaños, formas y ubicaciones 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 tu trabajo de investigación o desarrollo, 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}
}

Preguntas frecuentes#