Skip to content

뇌종양 데이터 세트

Colab에서 Open Brain Tumor 데이터세트 열기

뇌종양 감지 데이터 세트는 MRI 또는 CT 스캔의 의료 영상으로 구성되며 뇌종양의 존재, 위치 및 특성에 대한 정보를 포함합니다. 이 데이터 세트는 컴퓨터 비전 알고리즘을 훈련하여 뇌종양 식별을 자동화하고 의료 애플리케이션에서 조기 진단 및 치료 계획을 지원하는 데 필수적입니다.



참고: Ultralytics HUB를 사용한 뇌종양 감지

데이터 세트 구조

뇌종양 데이터 세트는 두 개의 하위 세트로 나뉩니다.

  • 학습 세트: 각각 해당 주석이 첨부된 893개의 이미지로 구성됩니다.
  • 테스트 세트: 각 이미지에 대해 주석이 쌍으로 연결된 223개의 이미지로 구성됩니다.

데이터 세트에는 두 개의 클래스가 포함되어 있습니다:

  • Negative: 뇌종양이 없는 이미지
  • 양성: 뇌종양이 있는 이미지

응용 분야

컴퓨터 비전을 사용한 뇌종양 감지 적용은 조기 진단, 치료 계획 및 종양 진행 모니터링을 가능하게 합니다. MRI 또는 CT 스캔과 같은 의료 영상 데이터를 분석하여 컴퓨터 비전 시스템은 뇌종양을 정확하게 식별하는 데 도움을 주어 시기적절한 의료 개입 및 맞춤형 치료 전략을 지원합니다.

의료 전문가들은 이 기술을 다음과 같이 활용할 수 있습니다:

  • 진단 시간 단축 및 정확도 향상
  • 종양을 정확하게 찾아 외과 계획을 지원합니다.
  • 시간 경과에 따른 치료 효과 모니터링
  • 종양학 및 신경학 연구 지원

데이터세트 YAML

YAML(Yet Another Markup Language) 파일은 데이터 세트 구성을 정의하는 데 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. 뇌종양 데이터 세트의 경우, brain-tumor.yaml 파일은 다음 위치에서 관리됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

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

사용법

640의 이미지 크기로 100 epochs 동안 뇌종양 데이터 세트에 대해 YOLO11 모델을 학습시키려면 제공된 코드 스니펫을 활용하십시오. 사용 가능한 인수에 대한 자세한 목록은 모델의 Training 페이지를 참조하십시오.

훈련 예제

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

추론 예시

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"

샘플 이미지 및 주석

뇌종양 데이터 세트는 종양이 있거나 없는 뇌 스캔을 특징으로 하는 광범위한 의료 이미지를 포함합니다. 아래에는 데이터 세트의 이미지 예와 해당 주석이 함께 제공됩니다.

뇌종양 데이터 세트 sample_images

  • 모자이크 이미지: 여기에 표시된 것은 모자이크 데이터 세트 이미지로 구성된 훈련 배치입니다. 모자이킹은 여러 이미지를 하나로 통합하여 배치 다양성을 향상시키는 훈련 기술입니다. 이 접근 방식은 뇌 스캔 내에서 다양한 종양 크기, 모양 및 위치에 걸쳐 일반화하는 모델의 능력을 향상시키는 데 도움이 됩니다.

이 예는 뇌종양 데이터 세트 내 이미지의 다양성과 복잡성을 강조하며, 의료 영상 분석을 위한 훈련 단계에서 모자이크 처리를 통합하는 것의 이점을 강조합니다.

인용 및 감사의 말씀

데이터 세트는 AGPL-3.0 라이선스에 따라 제공됩니다.

연구 또는 개발 작업에 이 데이터 세트를 사용하는 경우, 적절하게 인용해 주십시오.

@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 문서에서 제공되는 뇌종양 데이터 세트의 구조는 무엇입니까?

뇌종양 데이터 세트는 두 개의 하위 집합으로 나뉩니다. 학습 세트는 해당 어노테이션이 있는 893개의 이미지로 구성되고, 테스트 세트는 쌍을 이루는 어노테이션이 있는 223개의 이미지로 구성됩니다. 이 구조화된 분할은 뇌종양 감지를 위한 강력하고 정확한 컴퓨터 비전 모델 개발에 도움이 됩니다. 데이터 세트 구조에 대한 자세한 내용은 데이터 세트 구조 섹션을 참조하십시오.

Ultralytics를 사용하여 뇌종양 데이터 세트에서 YOLO11 모델을 훈련하려면 어떻게 해야 합니까?

python 및 CLI 방법을 모두 사용하여 640px 이미지 크기로 뇌종양 데이터 세트에서 YOLO11 모델을 100 epoch 동안 학습할 수 있습니다. 아래는 두 가지 예입니다.

훈련 예제

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

사용 가능한 인수에 대한 자세한 목록은 학습 페이지를 참조하십시오.

헬스케어 AI에 뇌종양 데이터 세트를 사용하면 어떤 이점이 있습니까?

AI 프로젝트에서 뇌종양 데이터 세트를 사용하면 뇌종양의 조기 진단 및 치료 계획이 가능합니다. 컴퓨터 비전을 통해 뇌종양 식별을 자동화하고 정확하고 시기적절한 의료 개입을 촉진하며 개인 맞춤형 치료 전략을 지원합니다. 이 응용 프로그램은 환자 결과 및 의료 효율성을 개선하는 데 상당한 잠재력을 가지고 있습니다. 의료 분야의 AI 응용 프로그램에 대한 자세한 내용은 Ultralytics' healthcare solutions를 참조하십시오.

미세 조정된 YOLO11 모델을 사용하여 뇌종양 데이터 세트에서 추론을 수행하려면 어떻게 해야 합니까?

미세 조정된 YOLO11 모델을 사용한 추론은 Python 또는 CLI 방식으로 수행할 수 있습니다. 다음은 그 예입니다.

추론 예시

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"

뇌종양 데이터 세트에 대한 YAML 구성은 어디에서 찾을 수 있습니까?

뇌종양 데이터 세트에 대한 YAML 구성 파일은 brain-tumor.yaml에서 찾을 수 있습니다. 이 파일에는 이 데이터 세트에서 모델을 학습하고 평가하는 데 필요한 경로, 클래스 및 추가 관련 정보가 포함되어 있습니다.



📅 1년 전에 생성됨 ✏️ 6개월 전에 업데이트됨
glenn-jocher RizwanMunawar UltralyticsAssistant MatthewNoyce Burhan-Q

댓글