Dataset de tumeurs cérébrales#

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

Le dataset de tumeurs cérébrales Ultralytics est un dataset de détection d’objets composé de 1 116 images médicales (893 pour l’entraînement et 223 pour la validation) issues d’analyses IRM et de scanners CT, annotées selon 2 classes : negative (aucune tumeur) et positive (tumeur présente). Il te permet d’entraîner des modèles de vision par ordinateur pour localiser les tumeurs cérébrales sur les analyses, afin de favoriser le diagnostic précoce et la planification du traitement dans les applications de santé.

Structure du jeu de données#

Le dataset de tumeurs cérébrales contient 1 116 images réparties en deux sous-ensembles prédéfinis, définis par la configuration brain-tumor.yaml :

Chaque image est annotée selon l’une des 2 classes suivantes :

• negative : images sans tumeur cérébrale
• positive : images présentant une tumeur cérébrale

Le dataset est téléchargé automatiquement (4,21 Mo) depuis les ressources GitHub d’Ultralytics lors de ton premier entraînement ; aucune configuration manuelle n’est donc nécessaire.

Explore Brain Tumor sur Ultralytics Platform pour parcourir les images avec leurs superpositions d’annotations, consulter la répartition des classes et les cartes thermiques des boîtes englobantes dans l’onglet Charts, puis le cloner afin d’entraîner ton propre modèle dans le cloud.

Applications#

La détection des tumeurs cérébrales par vision par ordinateur permet un diagnostic précoce, la planification du traitement et le suivi de la progression des tumeurs. En analysant les scanners IRM ou CT, les modèles de détection localisent précisément les tumeurs, ce qui favorise une intervention médicale rapide et un traitement personnalisé.

Les professionnels de santé peuvent tirer parti de cette technologie pour :

• Réduire le temps nécessaire au diagnostic et améliorer sa précision
• Faciliter la planification chirurgicale en localisant précisément les tumeurs
• Suivre l’efficacité du traitement au fil du temps
• Soutenir la recherche en oncologie et en neurologie

YAML du jeu de données#

Un fichier YAML définit la configuration du dataset, notamment les chemins, les classes et d’autres informations pertinentes. Pour le dataset de tumeurs cérébrales, le fichier brain-tumor.yaml est géré à l’adresse 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

Utilisation#

Pour entraîner un modèle YOLO26 sur le dataset de tumeurs cérébrales pendant 100 époques avec une taille d’image de 640, utilise les extraits de code fournis. Pour obtenir la liste détaillée des arguments disponibles, consulte la page Training du modèle.

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")

Exemples d’images et d’annotations#

Le dataset de tumeurs cérébrales contient des scanners cérébraux IRM et CT avec et sans tumeurs. Tu trouveras ci-dessous un exemple d’image du dataset avec ses annotations.

• Image mosaïquée : ce lot d’entraînement affiche des images du dataset sous forme de mosaïque. La mosaïque combine plusieurs images en une seule pendant l’entraînement, ce qui augmente la diversité des lots afin que le modèle se généralise mieux à différentes tailles, formes et positions de tumeurs pour l’analyse d’images médicales.

Citations et remerciements#

Le dataset est mis à disposition sous la licence AGPL-3.0.

Si tu utilises ce dataset dans tes travaux de recherche ou de développement, merci de le citer correctement :

@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#