脳腫瘍データセット

A brain tumor detection dataset consists of medical images from MRI or CT scans, containing information about brain tumor presence, location, and characteristics. This dataset is essential for training computer vision algorithms to automate brain tumor identification, aiding in early diagnosis and treatment planning in healthcare applications.

Watch: Brain Tumor Detection using Ultralytics Platform with Ultralytics YOLO26 | Object Detection 🚀

データセット構造

脳腫瘍データセットは、以下の2つのサブセットに分割されています。

トレーニングセット: 893枚の画像で構成され、それぞれに対応するアノテーションが付属しています。
テストセット: 223枚の画像で構成され、それぞれにアノテーションがペアになっています。

データセットには2つのクラスが含まれています。

陰性 (Negative): 脳腫瘍がない画像
陽性 (Positive): 脳腫瘍がある画像

用途

コンピュータビジョンを用いた脳腫瘍検出の活用により、早期診断、治療計画の策定、および腫瘍の進行状況のモニタリングが可能になります。MRIやCTスキャンなどの医療画像データを分析することで、コンピュータビジョンシステムは脳腫瘍を正確に特定し、迅速な医療介入と個別化された治療戦略を支援します。

医療専門家は、この技術を活用して以下のことが可能です。

診断時間の短縮と精度の向上
腫瘍の位置を正確に特定し、手術計画を支援
治療の有効性を長期的にモニタリング
腫瘍学および神経学における研究のサポート

データセットYAML

YAML (Yet Another Markup Language) ファイルを使用して、データセットの構成を定義します。これには、データセットのパス、クラス、およびその他の関連情報が含まれます。脳腫瘍データセットの場合、brain-tumor.yamlファイルが https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml に管理されています。

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

使用方法

脳腫瘍データセットで YOLO26 モデルを画像サイズ640で100 エポック分トレーニングするには、提供されているコードスニペットをご利用ください。利用可能な引数の詳細なリストについては、モデルのトレーニングページを参照してください。

トレーニング例

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)

推論例

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")

サンプル画像とアノテーション

脳腫瘍データセットには、腫瘍の有無にかかわらず、脳スキャンを特徴とする幅広い医療画像が含まれています。以下に、データセットからの画像例と、それぞれに対応するアノテーションを示します。

Brain tumor dataset sample image

モザイク画像: ここには、モザイク処理されたデータセット画像で構成されるトレーニングバッチが表示されています。トレーニング手法であるモザイク処理は、複数の画像を1つに統合し、バッチの多様性を高めます。このアプローチは、脳スキャン内のさまざまな腫瘍のサイズ、形状、および位置にわたってモデルが一般化する能力を向上させるのに役立ちます。

この例は、脳腫瘍データセット内の画像の多様性と複雑さを浮き彫りにし、医療画像解析のトレーニング段階でモザイク処理を組み込む利点を強調しています。

引用と謝辞

このデータセットは、AGPL-3.0 ライセンスの下で利用可能です。

研究や開発作業でこのデータセットを使用する場合は、適切に引用してください。

引用

@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

Ultralyticsドキュメントで利用可能な脳腫瘍データセットの構造はどのようなものですか？

脳腫瘍データセットは2つのサブセットに分割されています。トレーニングセットは893枚の画像と対応するアノテーションで構成され、テストセットは223枚の画像とペアになったアノテーションで構成されています。この構造化された分割は、脳腫瘍を検出するための堅牢で正確なコンピュータビジョンモデルを開発するのに役立ちます。データセット構造の詳細については、データセット構造セクションを参照してください。

Ultralyticsを使用して脳腫瘍データセットでYOLO26モデルをトレーニングするにはどうすればよいですか？

PythonおよびCLIの両方の手法を使用して、脳腫瘍データセットでYOLO26モデルを画像サイズ640pxで100エポック分トレーニングできます。以下に両方の例を示します。

トレーニング例

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)

利用可能な引数の詳細なリストについては、トレーニングページを参照してください。

ヘルスケアにおけるAIに脳腫瘍データセットを使用する利点は何ですか？

AIプロジェクトで脳腫瘍データセットを使用すると、脳腫瘍の早期診断と治療計画が可能になります。これは、コンピュータビジョンを通じて脳腫瘍の特定を自動化し、正確でタイムリーな医療介入を促進し、個別化された治療戦略をサポートするのに役立ちます。このアプリケーションは、患者の転帰と医療効率を向上させる大きな可能性を秘めています。ヘルスケアにおけるAIアプリケーションに関する詳細については、Ultralyticsのヘルスケアソリューションを参照してください。