Link to this section脳腫瘍データセット#

脳腫瘍検出データセットは、MRIやCTスキャンによる医療画像で構成されており、脳腫瘍の有無、位置、および特徴に関する情報が含まれています。このデータセットは、脳腫瘍の自動識別を行うコンピュータビジョンアルゴリズムの学習に不可欠であり、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支援します。

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

Link to this sectionデータセットの構造#

脳腫瘍データセットは、以下の2つのサブセットに分かれています。

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、それぞれに対応するアノテーションがペアになっています。

このデータセットには2つのクラスが含まれています。

Negative: 脳腫瘍を含まない画像
Positive: 脳腫瘍を含む画像

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の応用は、早期診断、治療計画、および腫瘍の進行状況の監視を可能にします。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 (Yet Another Markup Language) ファイルを使用してデータセット構成を定義します。これには、データセットのパス、クラス、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

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。

学習例

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)

推論の例

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")

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、脳スキャン画像を特徴とする多様な医療画像が含まれています。以下に、データセットの画像例と、そ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: ここに表示されているのは、モザイク処理されたデータセット画像を含むトレーニングバッチです。モザイク処理は、複数の画像を1つに統合するトレーニング手法であり、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、および位置に対して、モデルの汎化能力を向上させるのに役立ちます。

この例では、脳腫瘍データセットに含まれる画像の多様性と複雑さが強調されており、医療画像解析のためのトレーニングフェーズにおいて、モザイク処理を取り入れる利点が示されています。

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。

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/}
}

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は2つのサブセットに分かれています。トレーニングセットは893枚の画像とそれに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。この構造化された区分は、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、Dataset Structureセクションを参照してください。

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。

学習例

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。

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と、脳腫瘍の早期診断と治療計画の策定が可能になります。これは、コンピュータビジョンを通じて脳腫瘍の識別を自動化し、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上で重要な可能性を秘めています。ヘルスケアにおけるAI応用の詳細については、Ultralyticsのヘルスケアソリューションを参照してください。

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。

推論の例

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")