Dataset Tumore Cerebrale

Un dataset per il rilevamento di tumori cerebrali consiste in immagini mediche da scansioni MRI o TC, contenenti informazioni sulla presenza, localizzazione e caratteristiche dei tumori cerebrali. Questo dataset è essenziale per addestrare algoritmi di computer vision per automatizzare l'identificazione dei tumori cerebrali, aiutando nella diagnosi precoce e nella pianificazione del trattamento nelle applicazioni sanitarie.

Struttura del Dataset

Il dataset sui tumori cerebrali è diviso in due sottoinsiemi:

• Set di addestramento: Composto da 893 immagini, ciascuna accompagnata dalle relative annotazioni.
• Set di test: Composto da 223 immagini, con annotazioni abbinate per ciascuna di esse.

Il dataset contiene due classi:

• Negativo: Immagini senza tumori cerebrali
• Positivo: Immagini con tumori cerebrali

Applicazioni

L'applicazione del rilevamento dei tumori cerebrali tramite computer vision consente la diagnosi precoce, la pianificazione del trattamento e il monitoraggio della progressione tumorale. Analizzando dati di imaging medico come scansioni MRI o TC, i sistemi di computer vision assistono nell'identificare accuratamente i tumori cerebrali, aiutando in un tempestivo intervento medico e in strategie di trattamento personalizzate.

I professionisti del settore medico possono sfruttare questa tecnologia per:

• Ridurre i tempi diagnostici e migliorare la precisione
• Assistere nella pianificazione chirurgica localizzando con precisione i tumori
• Monitorare l'efficacia del trattamento nel tempo
• Supportare la ricerca in oncologia e neurologia

YAML del Dataset

Un file YAML (Yet Another Markup Language) viene utilizzato per definire la configurazione del dataset. Contiene informazioni sui percorsi del dataset, le classi e altre informazioni rilevanti. Nel caso del dataset sui tumori cerebrali, il file brain-tumor.yaml è mantenuto su 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

Utilizzo

Per addestrare un modello YOLO26 sul dataset dei tumori cerebrali per 100 epoche con una dimensione dell'immagine di 640, utilizza i frammenti di codice forniti. Per un elenco dettagliato degli argomenti disponibili, consulta la pagina Addestramento del modello.

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")

Esempi di Immagini e Annotazioni

Il dataset sui tumori cerebrali comprende una vasta gamma di immagini mediche con scansioni cerebrali con e senza tumori. Di seguito sono presentati esempi di immagini dal dataset, accompagnate dalle rispettive annotazioni.

• Immagine a mosaico: Viene visualizzato qui un batch di addestramento composto da immagini del dataset a mosaico. Il mosaico, una tecnica di addestramento, consolida più immagini in una sola, migliorando la diversità del batch. Questo approccio aiuta a migliorare la capacità del modello di generalizzare attraverso varie dimensioni, forme e posizioni dei tumori all'interno delle scansioni cerebrali.

Questo esempio evidenzia la diversità e la complessità delle immagini all'interno del dataset sui tumori cerebrali, sottolineando i vantaggi dell'incorporare il mosaico durante la fase di addestramento per l'analisi di immagini mediche.

Citazioni e Riconoscimenti

Il dataset è stato reso disponibile sotto la Licenza AGPL-3.0.

Se utilizzi questo dataset nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citarlo in modo appropriato:

@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

Qual è la struttura del dataset sui tumori cerebrali disponibile nella documentazione di Ultralytics?

Il dataset sui tumori cerebrali è diviso in due sottoinsiemi: il set di addestramento consiste in 893 immagini con relative annotazioni, mentre il set di test comprende 223 immagini con annotazioni abbinate. Questa divisione strutturata aiuta nello sviluppo di modelli di computer vision robusti e accurati per il rilevamento di tumori cerebrali. Per ulteriori informazioni sulla struttura del dataset, visita la sezione Struttura del Dataset.

Come posso addestrare un modello YOLO26 sul dataset dei tumori cerebrali utilizzando Ultralytics?

Puoi addestrare un modello YOLO26 sul dataset dei tumori cerebrali per 100 epoche con una dimensione dell'immagine di 640px utilizzando sia metodi Python che CLI. Di seguito trovi gli esempi per entrambi:

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)

Per un elenco dettagliato degli argomenti disponibili, fai riferimento alla pagina Addestramento.

Quali sono i vantaggi dell'utilizzo del dataset sui tumori cerebrali per l'IA nella sanità?

L'utilizzo del dataset sui tumori cerebrali in progetti di IA abilita la diagnosi precoce e la pianificazione del trattamento per i tumori cerebrali. Aiuta ad automatizzare l'identificazione dei tumori cerebrali tramite la computer vision, facilitando interventi medici accurati e tempestivi, e supportando strategie di trattamento personalizzate. Questa applicazione ha un potenziale significativo nel migliorare gli esiti per i pazienti e l'efficienza medica. Per maggiori approfondimenti sulle applicazioni dell'IA nella sanità, vedi le soluzioni sanitarie di Ultralytics.

Come eseguo l'inferenza utilizzando un modello YOLO26 perfezionato sul dataset dei tumori cerebrali?

L'inferenza utilizzando un modello YOLO26 perfezionato può essere eseguita sia con approcci Python che CLI. Ecco gli esempi:

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")

Dove posso trovare la configurazione YAML per il dataset dei tumori cerebrali?

Il file di configurazione YAML per il dataset dei tumori cerebrali si trova su brain-tumor.yaml. Questo file include i percorsi, le classi e ulteriori informazioni rilevanti necessarie per addestrare e valutare i modelli su questo dataset.