뇌종양 데이터 세트

Q: What is the structure of the brain tumor dataset available in Ultralytics documentation?

뇌종양 데이터 세트는 두 개의 하위 집합으로 나뉘는데, 훈련 세트는 893개의 이미지와 해당 주석으로 구성되고 테스트 세트는 223개의 이미지와 쌍을 이루는 주석으로 구성됩니다. 이러한 구조적 구분은 뇌종양 탐지를 위한 강력하고 정확한 컴퓨터 비전 모델을 개발하는 데 도움이 됩니다. 데이터 세트 구조에 대한 자세한 내용은 데이터 세트 구조 섹션을 참조하세요.

뇌종양 감지 데이터 세트는 뇌종양의 존재 여부, 위치, 특징에 대한 정보가 포함된 MRI 또는 CT 스캔의 의료 이미지로 구성됩니다. 이 데이터 세트는 컴퓨터 비전 알고리즘을 훈련하여 뇌종양 식별을 자동화하고 조기 진단 및 치료 계획을 세우는 데 필수적입니다.

Watch: Ultralytics HUB를 이용한 뇌종양 탐지

데이터 세트 구조

뇌종양 데이터 세트는 두 개의 하위 집합으로 나뉩니다:

트레이닝 세트: 893개의 이미지로 구성되며, 각 이미지에는 해당 주석이 첨부되어 있습니다.
테스트 세트: 223개의 이미지로 구성되며 각 이미지에 대한 주석이 함께 제공됩니다.

애플리케이션

컴퓨터 비전을 이용한 뇌종양 탐지를 적용하면 조기 진단, 치료 계획 수립, 종양 진행 상황 모니터링이 가능해집니다. 컴퓨터 비전 시스템은 MRI 또는 CT 스캔과 같은 의료 영상 데이터를 분석하여 뇌종양을 정확하게 식별하고 적시에 의료 개입과 개인화된 치료 전략을 수립하는 데 도움을 줍니다.

데이터 세트 YAML

데이터 세트 구성을 정의하는 데는 YAML(또 다른 마크업 언어) 파일이 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보에 대한 정보가 포함되어 있습니다. 뇌종양 데이터 세트의 경우, 뇌종양 데이터 세트의 brain-tumor.yaml 파일은 다음 위치에서 유지됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

ultralytics/cfg/데이터세트/뇌종양.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

사용법

이미지 크기가 640인 100개의 뇌종양 데이터 세트에 대해 YOLOv8n 모델을 훈련하려면 제공된 코드 조각을 활용하세요. 사용 가능한 인수의 자세한 목록은 모델의 훈련 페이지를 참조하세요.

열차 예시

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.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=yolov8n.pt epochs=100 imgsz=640

추론 예제

PythonCLI

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 세트에는 다양한 물체 범주와 복잡한 장면이 포함된 광범위한 이미지가 포함되어 있습니다. 아래는 데이터 세트의 이미지 예시와 각 이미지에 대한 주석입니다.

뇌종양 데이터 세트 샘플 이미지

모자이크 이미지: 여기에 표시된 것은 모자이크된 데이터 세트 이미지로 구성된 훈련 배치입니다. 훈련 기법인 모자이크는 여러 이미지를 하나로 통합하여 배치의 다양성을 향상시킵니다. 이 접근 방식은 다양한 객체 크기, 종횡비 및 컨텍스트에 걸쳐 일반화하는 모델의 능력을 향상시키는 데 도움이 됩니다.

이 예는 뇌종양 데이터 세트 내 이미지의 다양성과 복잡성을 강조하며, 훈련 단계에서 모자이킹을 통합할 때의 이점을 강조합니다.

인용 및 감사

이 데이터 세트는 AGPL-3.0 라이선스에 따라 공개되었습니다.

자주 묻는 질문

Ultralytics 문서에서 제공되는 뇌종양 데이터 세트의 구조는 어떻게 되나요?

뇌종양 데이터 세트는 두 개의 하위 집합으로 나뉘는데, 훈련 세트는 893개의 이미지와 해당 주석으로 구성되어 있고 테스트 세트는 223개의 이미지와 쌍을 이루는 주석으로 구성되어 있습니다. 이러한 구조적 구분은 뇌종양 탐지를 위한 강력하고 정확한 컴퓨터 비전 모델을 개발하는 데 도움이 됩니다. 데이터 세트 구조에 대한 자세한 내용은 데이터 세트 구조 섹션을 참조하세요.

Ultralytics 을 사용하여 뇌종양 데이터 세트에서 YOLOv8 모델을 훈련하려면 어떻게 해야 하나요?

Python 및 CLI 방법을 모두 사용하여 이미지 크기가 640px인 100개의 뇌종양 데이터 세트에 대해 YOLOv8 모델을 훈련할 수 있습니다. 아래는 두 가지 방법에 대한 예시입니다:

열차 예시

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.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=yolov8n.pt epochs=100 imgsz=640

사용 가능한 인수의 자세한 목록은 교육 페이지를 참조하세요.

의료 분야에서 AI를 위해 뇌종양 데이터 세트를 사용하면 어떤 이점이 있을까요?

AI 프로젝트에 뇌종양 데이터 세트를 사용하면 뇌종양의 조기 진단과 치료 계획을 수립할 수 있습니다. 컴퓨터 비전을 통해 뇌종양 식별을 자동화하고, 정확하고 시기 적절한 의료 개입을 촉진하며, 개인화된 치료 전략을 지원하는 데 도움이 됩니다. 이 애플리케이션은 환자 치료 결과와 의료 효율성을 개선하는 데 상당한 잠재력을 가지고 있습니다.