Link to this section脳腫瘍データセット#

Ultralytics Brain Tumorデータセットは、MRIおよびCTスキャンの1,116枚の医療画像（トレーニング用893枚、検証用223枚）からなる物体検出データセットで、negative（腫瘍なし）とpositive（腫瘍あり）の2つのクラスにラベル付けされています。これを使用することで、スキャン内の脳腫瘍を特定するコンピュータビジョンモデルをトレーニングでき、ヘルスケアアプリケーションにおける早期診断や治療計画の策定をサポートします。

Link to this sectionデータセットの構造#

脳腫瘍データセットには、brain-tumor.yaml構成ファイルで定義された2つの事前定義済みサブセットに分割された1,116枚の画像が含まれています。

すべての画像は、以下の2つのクラスのいずれかにラベル付けされています：

• negative: 脳腫瘍が見られない画像
• positive: 脳腫瘍が示されている画像

データセットは初回トレーニング時にUltralytics GitHubアセットから自動的にダウンロードされる（4.21 MB）ため、手動でのセットアップは不要です。

Ultralytics PlatformのBrain Tumorにアクセスすると、アノテーションオーバーレイ付きの画像を閲覧したり、Chartsタブでクラス分布やBBoxのヒートマップを確認したりできるほか、クラウド上で独自のモデルをトレーニングするためにクローンを作成することも可能です。

Link to this sectionアプリケーション#

コンピュータビジョンを用いた脳腫瘍検出は、早期診断、治療計画、および腫瘍の進行状況のモニタリングを可能にします。MRIまたはCTスキャンを分析することで、検出モデルは腫瘍を正確に特定し、迅速な医療介入や個別化された治療を支援します。

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
• 腫瘍位置の精密な特定による手術計画の支援
• 経時的な治療効果のモニタリング
• 腫瘍学および神経学における研究の支援

Link to this sectionデータセット YAML#

YAMLファイルは、パス、クラス、およびその他の関連情報を含むデータセット構成を定義します。脳腫瘍データセットの場合、brain-tumor.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yamlで管理されています。

# 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

Link to this section使用方法#

脳腫瘍データセットを使用してYOLO26モデルを画像サイズ640で100エポック学習させるには、提供されているコードスニペットを利用してください。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。

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")

Link to this section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、MRIおよびCT脳スキャンが含まれています。以下に、アノテーションが付いたデータセットの画像例を示します。

• モザイク画像: このトレーニングバッチは、モザイク処理されたデータセット画像を示しています。モザイク処理はトレーニング中に複数の画像を1つに統合するもので、バッチの多様性を高め、モデルが様々な腫瘍のサイズ、形状、位置に対して汎用性を高められるようにし、医療画像分析の精度を向上させます。

Link to this section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。

@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/}
}

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralytics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になっていますか？#

脳腫瘍データセットには、2つのサブセットに分けられた1,116枚の画像が含まれています。それぞれにペアのアノテーションが付いた893枚の画像のトレーニングセットと223枚の画像の検証セットです。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の開発をサポートします。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。

Link to this section脳腫瘍データセットにはどのようなクラスが含まれていますか？#

脳腫瘍データセットには、negative（脳腫瘍が見られない画像）とpositive（脳腫瘍が示されている画像）の2つのクラスがあります。このバイナリラベル付けにより、検出モデルは腫瘍の位置を特定すると同時に、腫瘍がないスキャンをフラグ立てすることが可能です。

Link to this section脳腫瘍データセットをダウンロードするにはどうすればよいですか？#

脳腫瘍データセット（4.21 MB）は、data="brain-tumor.yaml"を使用して初めてトレーニングを行う際に、Ultralytics GitHubアセットから自動的にダウンロードされます。手動でのダウンロードは不要です。関連するデータセットは、検出データセットの概要から閲覧できます。

Link to this sectionUltralyticsを使用して脳腫瘍データセットでYOLO26モデルを学習させるにはどうすればよいですか？#

PythonおよびCLIメソッドの両方を使用して、脳腫瘍データセットでYOLO26モデルを画像サイズ640pxで100エポック学習させることができます。以下にそれぞれの例を示します。

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。

Link to this section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ことで、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による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アプリケーションの詳細については、Ultralyticsのヘルスケアソリューションをご覧ください。

Link to this section微調整されたYOLO26モデルを使用して脳腫瘍データセットで推論を実行するにはどうすればよいですか？#

微調整されたYOLO26モデルを使用した推論は、PythonまたはCLIアプローチで実行できます。以下に例を示します。

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")

Link to this section脳腫瘍データセットのYAML構成はどこにありますか？#

脳腫瘍データセットのYAML構成ファイルは、brain-tumor.yamlにあります。このファイルには、このデータセットでモデルをトレーニングおよび評価するために必要なパス、クラス、および追加の関連情報が含まれています。