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.

見るんだ： Ultralytics HUBを用いた脳腫瘍検出

データセット構造

脳腫瘍データセットは2つのサブセットに分けられる：

• トレーニングセット：893枚の画像からなり、それぞれに対応する注釈が付されている。
• 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対になっている。

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により、早期診断、治療計画、腫瘍の進行のモニタリングが可能になる。MRIやCTスキャンなどの医療用画像データを分析することにより、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、タイムリーな医療介入や個別化された治療戦略を支援します。

データセット YAML

YAML (Yet Another Markup Language) ファイルはデータセットの設定を定義するために使われる。このファイルには、データセットのパス、クラス、その他の関連情報が含まれている。脳腫瘍データセットの場合は brain-tumor.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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 (4.05 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: ../datasets/brain-tumor # dataset root dir
train: train/images # train images (relative to 'path') 893 images
val: valid/images # val images (relative to 'path') 223 images
test: # test images (relative to 'path')

# 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

To train a YOLO11n model on the brain tumor dataset for 100 epochs with an image size of 640, utilize the provided code snippets. For a detailed list of available arguments, consult the model's Training page.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt 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")

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/brain-tumor-sample.jpg"

サンプル画像と注釈

脳腫瘍データセットには、多様なオブジェクト・カテゴリーと複雑なシーンを特徴とする幅広い画像が含まれている。以下に、このデータセットの画像の例と、それぞれのアノテーションを示します。

• モザイク処理された画像：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からなるトレーニングバッチである。モザイク処理とは、複数の画像を1つに統合し、バッチの多様性を向上させる学習手法である。このアプローチにより、様々なオブジェクトのサイズ、アスペクト比、コンテキストに対応するモデルの汎化能力を向上させることができる。

この例は、脳腫瘍データセット内の画像の多様性と複雑性を浮き彫りにし、学習段階でモザイク処理を取り入れることの利点を強調している。

引用と謝辞

このデータセットは、AGPL-3.0 ライセンスの下で公開されている。

よくあるご質問

Ultralytics ドキュメントにある脳腫瘍データセットの構造は？

脳腫瘍データセットは2つのサブセットに分割され、トレーニングセットは対応するアノテーションを持つ893枚の画像で構成され、テストセットはペアのアノテーションを持つ223枚の画像で構成される。この構造的な分割は、脳腫瘍を検出するためのロバストで正確なコンピュータビジョンモデルの開発に役立ちます。データセット構造の詳細については、データセット構造のセクションをご覧ください。

How can I train a YOLO11 model on the brain tumor dataset using Ultralytics?

You can train a YOLO11 model on the brain tumor dataset for 100 epochs with an image size of 640px using both Python and CLI methods. Below are the examples for both:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt epochs=100 imgsz=640

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

脳腫瘍のデータセットをAIに活用するメリットは？

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る。コンピュータビジョンによる脳腫瘍同定の自動化、正確でタイムリーな医療介入の促進、個別化された治療戦略のサポートに役立つ。このアプリケーションは、患者の転帰と医療効率を改善する大きな可能性を秘めている。

How do I perform inference using a fine-tuned YOLO11 model on the brain tumor dataset?

Inference using a fine-tuned YOLO11 model can be performed with either Python or CLI approaches. Here are the examples:

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")

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/brain-tumor-sample.jpg"

脳腫瘍データセットのYAMLコンフィギュレーションはどこにありますか？

脳腫瘍データセットのYAML設定ファイルはbrain-tumor.yamlにある。このファイルには、このデータセットでのモデルの学習と評価に必要なパス、クラス、その他の関連情報が含まれています。

📅 Created 7 months ago ✏️ Updated 22 days ago

コメント