Link to this section뇌종양 데이터셋#

Ultralytics Brain Tumor 데이터셋은 MRI 및 CT 스캔 이미지 1,116장(학습용 893장, 검증용 223장)으로 구성된 객체 탐지 데이터셋으로, negative(종양 없음)와 positive(종양 있음)의 2개 클래스로 라벨링되어 있습니다. 이 데이터셋을 통해 컴퓨터 비전 모델을 학습시켜 스캔 이미지 내의 뇌종양 위치를 파악할 수 있으며, 헬스케어 애플리케이션 분야에서 조기 진단 및 치료 계획 수립을 지원합니다.

Link to this section데이터셋 구조#

뇌종양 데이터셋은 brain-tumor.yaml 구성 파일에 정의된 대로 두 개의 사전 설정된 하위 집합으로 나뉜 1,116장의 이미지를 포함합니다.

모든 이미지는 다음 2개 클래스 중 하나로 라벨링되어 있습니다:

• negative: 뇌종양이 없는 이미지
• positive: 뇌종양이 보이는 이미지

데이터셋은 최초 학습 시 Ultralytics GitHub 에셋에서 자동으로 다운로드(4.21 MB)되므로, 별도의 수동 설정이 필요하지 않습니다.

Ultralytics Platform의 Brain Tumor를 탐색하여 어노테이션 오버레이가 포함된 이미지를 살펴보고, Charts 탭에서 클래스 분포 및 BBox 히트맵을 확인하며, 이를 클론하여 클라우드에서 직접 모델을 학습해 보십시오.

Link to this section응용 분야#

컴퓨터 비전을 활용한 뇌종양 탐지는 조기 진단, 치료 계획 수립, 종양 진행 상황 모니터링을 가능하게 합니다. MRI 또는 CT 스캔을 분석함으로써 탐지 모델은 종양의 위치를 정확하게 찾아내어, 적시의 의료 개입과 개인화된 치료를 지원합니다.

의료 전문가는 이 기술을 활용하여 다음과 같은 작업을 수행할 수 있습니다:

• 진단 시간 단축 및 정확도 향상
• 종양 위치를 정확히 파악하여 수술 계획 수립 지원
• 시간 경과에 따른 치료 효과 모니터링
• 종양학 및 신경학 분야의 연구 지원

Link to this section데이터셋 YAML#

YAML 파일은 경로, 클래스 및 기타 관련 정보를 포함하여 데이터셋 구성을 정의합니다. 뇌종양 데이터셋의 경우 brain-tumor.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml에 유지 관리되고 있습니다.

# 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 section사용법#

뇌종양 데이터셋으로 YOLO26 모델을 640 이미지 크기에서 100 에포크 동안 학습시키려면 제공된 코드 스니펫을 활용하십시오. 사용 가능한 인자에 대한 자세한 목록은 모델의 학습 페이지를 참조하십시오.

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 section샘플 이미지 및 주석#

뇌종양 데이터셋에는 종양 유무에 따른 MRI 및 CT 뇌 스캔 이미지가 포함되어 있습니다. 아래는 어노테이션이 표시된 데이터셋의 예시 이미지입니다.

• Mosaiced Image: 이 학습 배치는 모자이크 처리된 데이터셋 이미지를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나로 결합하여 배치 다양성을 높임으로써, 모델이 다양한 종양 크기, 모양, 위치에 대해 더 잘 일반화할 수 있도록 합니다(의료 영상 분석 관련).

Link to this section인용 및 감사의 글#

이 데이터셋은 AGPL-3.0 라이선스 하에 제공됩니다.

연구 또는 개발 작업에 이 데이터셋을 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/}
}

Link to this sectionFAQ#

Link to this sectionUltralytics 문서에서 제공하는 뇌종양 데이터셋의 구조는 어떻게 됩니까?#

뇌종양 데이터셋은 1,116장의 이미지가 두 개의 하위 집합으로 나뉘어 있습니다. 각각 어노테이션이 포함된 학습 세트 893장과 검증 세트 223장으로 구성됩니다. 이러한 구조적 분할은 뇌종양 탐지를 위한 강력하고 정확한 컴퓨터 비전 모델 개발을 지원합니다. 자세한 내용은 Dataset Structure 섹션을 참조하십시오.

Link to this section뇌종양 데이터셋에는 어떤 클래스가 포함되어 있습니까?#

뇌종양 데이터셋은 negative(뇌종양이 없는 이미지)와 positive(뇌종양이 보이는 이미지)의 2개 클래스를 가집니다. 이러한 이진 라벨링을 통해 탐지 모델은 종양의 위치를 찾는 동시에 종양이 없는 스캔을 식별할 수 있습니다.

Link to this section뇌종양 데이터셋은 어떻게 다운로드합니까?#

뇌종양 데이터셋(4.21 MB)은 data="brain-tumor.yaml"과 함께 처음 학습을 실행할 때 Ultralytics GitHub 에셋에서 자동으로 다운로드되므로 수동 다운로드가 필요하지 않습니다. 관련 데이터셋은 탐지 데이터셋 개요에서 살펴볼 수 있습니다.

Link to this sectionUltralytics를 사용하여 뇌종양 데이터셋에서 YOLO26 모델을 어떻게 훈련할 수 있습니까?#

Python 및 CLI 방법을 모두 사용하여 뇌종양 데이터셋에서 100에폭 동안 이미지 크기 640px로 YOLO26 모델을 훈련할 수 있습니다. 두 가지 방법 모두에 대한 예시는 아래와 같습니다:

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)

사용 가능한 인자에 대한 자세한 목록은 훈련 페이지를 참조하십시오.

Link to this section의료 AI를 위해 뇌종양 데이터셋을 사용할 때의 이점은 무엇입니까?#

AI 프로젝트에서 뇌종양 데이터셋을 사용하면 뇌종양의 조기 진단과 치료 계획 수립이 가능해집니다. 이는 computer vision을 통해 뇌종양 식별을 자동화하여 정확하고 신속한 의료 개입을 촉진하고 맞춤형 치료 전략을 지원합니다. 이러한 애플리케이션은 환자의 치료 결과를 개선하고 의료 효율성을 높이는 데 중요한 잠재력을 가지고 있습니다. 헬스케어 분야의 AI 애플리케이션에 대한 더 많은 통찰력은 Ultralytics' healthcare solutions에서 확인하실 수 있습니다.

Link to this section뇌종양 데이터셋에서 미세 조정된 YOLO26 모델을 사용하여 추론을 어떻게 수행합니까?#

미세 조정된 YOLO26 모델을 사용한 추론은 Python 또는 CLI 접근 방식을 통해 수행할 수 있습니다. 예시는 다음과 같습니다:

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 section뇌종양 데이터셋에 대한 YAML 구성은 어디에서 찾을 수 있습니까?#

뇌종양 데이터셋의 YAML 구성 파일은 brain-tumor.yaml에서 찾을 수 있습니다. 이 파일에는 이 데이터셋으로 모델을 훈련하고 평가하는 데 필요한 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다.