Ir al contenido

Conjunto de datos sobre medicamentos

Abrir el conjunto de datos de pastillas médicas en Colab

El conjunto de datos de detección de píldoras médicas es una prueba de concepto, cuidadosamente seleccionada para demostrar el potencial de la IA en aplicaciones farmacéuticas. Contiene imágenes etiquetadas diseñadas específicamente para entrenar modelos de visión por ordenador para la identificación de píldoras médicas.



Observa: Cómo entrenar Ultralytics YOLO11 Model on Medical Pills Detection Dataset in Google Colab

Este conjunto de datos constituye un recurso fundamental para automatizar tareas esenciales como el control de calidad, la automatización del envasado y la clasificación eficiente en los flujos de trabajo farmacéuticos. Al integrar este conjunto de datos en los proyectos, los investigadores y desarrolladores pueden explorar soluciones innovadoras que mejoren la precisión, agilicen las operaciones y, en última instancia, contribuyan a mejorar los resultados de la atención sanitaria.

Estructura del conjunto de datos

El conjunto de datos sobre píldoras médicas se divide en dos subconjuntos:

  • Conjunto de entrenamiento: Consta de 92 imágenes, cada una de ellas anotada con la clase pill.
  • Conjunto de validación: Compuesto por 23 imágenes con sus correspondientes anotaciones.

Aplicaciones

El uso de la visión por ordenador para la detección de pastillas médicas permite la automatización en la industria farmacéutica, apoyando tareas como:

  • Clasificación farmacéutica: Automatización de la clasificación de pastillas por tamaño, forma o color para mejorar la eficiencia de la producción.
  • Investigación y desarrollo de IA: Servir de referencia para desarrollar y probar algoritmos de visión por ordenador en casos de uso farmacéutico.
  • Sistemas de inventario digital: Soluciones de inventario inteligentes que integran el reconocimiento automático de pastillas para el control de existencias y la planificación de reaprovisionamientos en tiempo real.

Conjunto de datos YAML

Se proporciona un archivo de configuración YAML para definir la estructura del conjunto de datos, incluidas las rutas y las clases. Para el conjunto de datos de píldoras médicas, el archivo medical-pills.yaml en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml.

ultralytics/cfg/datasets/medical-pills.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Medical-pills dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/medical-pills/
# Example usage: yolo train data=medical-pills.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── medical-pills  ← downloads here (8.19 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/medical-pills # dataset root dir
train: train/images # train images (relative to 'path') 92 images
val: valid/images # val images (relative to 'path') 23 images
test: # test images (relative to 'path')

# Classes
names:
  0: pill

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip

Utilización

Para entrenar un modelo YOLO11n en el conjunto de datos de píldoras médicas durante 100 épocas con un tamaño de imagen de 640, utilice los siguientes ejemplos. Para obtener argumentos detallados, consulte la página de entrenamiento del modelo.

Ejemplo de tren

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=medical-pills.yaml model=yolo11n.pt epochs=100 imgsz=640

Ejemplo de inferencia

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")
# Start prediction with a fine-tuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/medical-pills-sample.jpg"

Ejemplos de imágenes y anotaciones

El conjunto de datos de píldoras médicas contiene imágenes etiquetadas que muestran la diversidad de las píldoras. A continuación se muestra un ejemplo de imagen etiquetada del conjunto de datos:

Imagen de muestra del conjunto de datos Medical-pills

  • Imagen en mosaico: Se muestra un lote de entrenamiento compuesto por imágenes en mosaico del conjunto de datos. El mosaico mejora la diversidad del entrenamiento al consolidar varias imágenes en una, lo que mejora la generalización del modelo.

Citas y agradecimientos

El conjunto de datos está disponible bajo la licenciaAGPL-3.0 .

Si utiliza el conjunto de datos Medical-pills en su trabajo de investigación o desarrollo, cítelo utilizando los datos mencionados:

@dataset{Jocher_Ultralytics_Datasets_2024,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {Dec},
    title = {Ultralytics Datasets: Medical-pills Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/medical-pills/},
    version = {1.0.0},
    year = {2024}
}

PREGUNTAS FRECUENTES

¿Cuál es la estructura del conjunto de datos sobre medicamentos?

El conjunto de datos incluye 92 imágenes para el entrenamiento y 23 imágenes para la validación. Cada imagen se anota con la clase pillque permitan una formación y evaluación eficaces de los modelos.

¿Cómo puedo entrenar un modelo YOLO11 en el conjunto de datos de pastillas médicas?

Puede entrenar un modelo YOLO11 durante 100 épocas con un tamaño de imagen de 640px utilizando los métodos Python o CLI proporcionados. Consulte la sección Ejemplo de entrenamiento para obtener instrucciones detalladas.

¿Cuáles son las ventajas de utilizar el conjunto de datos de píldoras médicas en proyectos de IA?

El conjunto de datos permite automatizar la detección de píldoras, lo que contribuye a la prevención de falsificaciones, la garantía de calidad y la optimización de los procesos farmacéuticos.

¿Cómo se realiza la inferencia en el conjunto de datos de pastillas médicas?

La inferencia puede realizarse utilizando los métodos Python o CLI con un modelo YOLO11 ajustado. Consulte la sección Ejemplo de inferencia para ver fragmentos de código.

¿Dónde puedo encontrar el archivo de configuración YAML para el conjunto de datos medical-pills?

El archivo YAML está disponible en medical-pills.yaml, y contiene rutas de conjuntos de datos, clases y detalles de configuración adicionales.

Creado hace 1 mes ✏️ Actualizado hace 19 días

Comentarios