Link to this section뇌종양 데이터셋#

뇌종양 탐지 데이터셋은 뇌종양의 존재 여부, 위치 및 특징에 대한 정보를 포함하는 MRI 또는 CT 스캔의 의료 영상으로 구성됩니다. 이 데이터셋은 컴퓨터 비전 알고리즘을 훈련하여 뇌종양 식별을 자동화하고, 의료 애플리케이션에서 조기 진단 및 치료 계획을 지원하는 데 필수적입니다.

Link to this section데이터셋 구조#

뇌종양 데이터셋은 두 개의 하위 집합으로 나뉩니다:

• 훈련 세트: 893개의 이미지로 구성되며, 각 이미지는 해당 주석과 함께 제공됩니다.
• 테스트 세트: 223개의 이미지로 구성되며, 각 이미지에 주석이 쌍으로 포함되어 있습니다.

이 데이터셋에는 두 가지 클래스가 포함되어 있습니다:

• 음성(Negative): 뇌종양이 없는 이미지
• 양성(Positive): 뇌종양이 있는 이미지

Link to this section응용 분야#

컴퓨터 비전을 활용한 뇌종양 탐지 기술은 조기 진단, 치료 계획 수립 및 종양 진행 모니터링을 가능하게 합니다. MRI 또는 CT 스캔과 같은 의료 영상 데이터를 분석함으로써 컴퓨터 비전 시스템은 뇌종양을 정확하게 식별하여 적시의 의료적 개입과 개인 맞춤형 치료 전략을 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(Yet Another Markup Language) 파일은 데이터셋 구성을 정의하는 데 사용됩니다. 이 파일에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. 뇌종양 데이터셋의 경우, brain-tumor.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml에 유지 관리됩니다.

# 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#

To train a YOLO26 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("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 데이터셋은 종양이 있거나 없는 뇌 스캔을 포함한 광범위한 의료 영상을 포함하고 있습니다. 아래에는 데이터셋의 이미지 예시와 그에 해당하는 주석이 제시되어 있습니다.

• 모자이크된 이미지: 여기에 표시된 것은 모자이크 처리된 데이터셋 이미지로 구성된 훈련 배치입니다. 여러 이미지를 하나로 통합하는 훈련 기법인 모자이킹은 배치 다양성을 향상시킵니다. 이 접근 방식은 뇌 스캔 내 다양한 종양 크기, 모양 및 위치에 대해 모델의 일반화 능력을 개선하는 데 도움이 됩니다.

이 예시는 뇌종양 데이터셋 내 이미지의 다양성과 복잡성을 강조하며, 의료 영상 분석을 위한 훈련 단계에서 모자이킹을 통합하는 이점을 보여줍니다.

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 두 개의 하위 집합으로 나뉩니다. 훈련 세트는 해당 주석이 포함된 893개의 이미지로 구성되고, 테스트 세트는 주석이 쌍으로 포함된 223개의 이미지로 구성됩니다. 이러한 구조적 분할은 뇌종양 탐지를 위한 강력하고 정확한 컴퓨터 비전 모델을 개발하는 데 도움이 됩니다. 데이터셋 구조에 대한 자세한 내용은 데이터셋 구조 섹션을 방문하십시오.

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 컴퓨터 비전을 통한 뇌종양 식별 자동화를 도와 정확하고 적시의 의료 개입을 촉진하며 개인 맞춤형 치료 전략을 지원합니다. 이러한 적용은 환자 결과와 의료 효율성을 개선하는 데 상당한 잠재력을 가지고 있습니다. 의료 분야의 AI 적용 사례에 대한 자세한 내용은 Ultralytics의 의료 솔루션을 참조하십시오.

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.