Dataset de Tumor Cerebral

Um dataset de detecção de tumor cerebral consiste em imagens médicas de exames de ressonância magnética ou tomografia computadorizada, contendo informações sobre a presença, localização e características do tumor cerebral. Este dataset é essencial para treinar algoritmos de visão computacional para automatizar a identificação de tumores cerebrais, auxiliando no diagnóstico precoce e no planejamento de tratamento em aplicações de saúde.

Estrutura do Dataset

O dataset de tumor cerebral é dividido em dois subconjuntos:

• Conjunto de treinamento: Consiste em 893 imagens, cada uma acompanhada pelas anotações correspondentes.
• Conjunto de teste: Composto por 223 imagens, com anotações pareadas para cada uma.

O dataset contém duas classes:

• Negativo: Imagens sem tumores cerebrais
• Positivo: Imagens com tumores cerebrais

Aplicações

A aplicação da detecção de tumor cerebral usando visão computacional possibilita o diagnóstico precoce, o planejamento do tratamento e o monitoramento da progressão do tumor. Ao analisar dados de imagens médicas como ressonâncias magnéticas ou tomografias, os sistemas de visão computacional auxiliam na identificação precisa de tumores cerebrais, ajudando em intervenções médicas oportunas e estratégias de tratamento personalizadas.

Profissionais médicos podem aproveitar esta tecnologia para:

• Reduzir o tempo de diagnóstico e melhorar a precisão
• Auxiliar no planejamento cirúrgico ao localizar tumores com precisão
• Monitorar a eficácia do tratamento ao longo do tempo
• Apoiar pesquisas em oncologia e neurologia

YAML do Dataset

Um arquivo YAML (Yet Another Markup Language) é usado para definir a configuração do dataset. Ele contém informações sobre os caminhos do dataset, classes e outras informações relevantes. No caso do dataset de tumor cerebral, o arquivo brain-tumor.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/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

Uso

Para treinar um modelo YOLO26 no dataset de tumor cerebral por 100 épocas com um tamanho de imagem de 640, utilize os snippets de código fornecidos. Para uma lista detalhada de argumentos disponíveis, consulte a página de Treinamento do modelo.

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")

Imagens de Amostra e Anotações

O dataset de tumor cerebral abrange uma ampla gama de imagens médicas apresentando exames cerebrais com e sem tumores. Apresentamos abaixo exemplos de imagens do dataset, acompanhadas por suas respectivas anotações.

• Imagem em Mosaico: Exibido aqui está um lote de treinamento composto por imagens do dataset em mosaico. O mosaico, uma técnica de treinamento, consolida várias imagens em uma, aumentando a diversidade do lote. Essa abordagem ajuda a melhorar a capacidade do modelo de generalizar através de vários tamanhos, formas e locais de tumores dentro dos exames cerebrais.

Este exemplo destaca a diversidade e a complexidade das imagens dentro do dataset de tumor cerebral, reforçando as vantagens de incorporar o mosaico durante a fase de treinamento para análise de imagens médicas.

Citações e Agradecimentos

O dataset foi disponibilizado sob a Licença AGPL-3.0.

Se você usar este dataset em seu trabalho de pesquisa ou desenvolvimento, por favor, cite-o apropriadamente:

@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/}
}

Perguntas Frequentes

Qual é a estrutura do dataset de tumor cerebral disponível na documentação da Ultralytics?

O dataset de tumor cerebral é dividido em dois subconjuntos: o conjunto de treinamento consiste em 893 imagens com anotações correspondentes, enquanto o conjunto de teste compreende 223 imagens com anotações pareadas. Esta divisão estruturada ajuda no desenvolvimento de modelos de visão computacional robustos e precisos para detectar tumores cerebrais. Para mais informações sobre a estrutura do dataset, visite a seção Estrutura do Dataset.

Como posso treinar um modelo YOLO26 no dataset de tumor cerebral usando a Ultralytics?

Você pode treinar um modelo YOLO26 no dataset de tumor cerebral por 100 épocas com um tamanho de imagem de 640px usando métodos Python e CLI. Abaixo estão os exemplos para ambos:

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)

Para uma lista detalhada de argumentos disponíveis, consulte a página de Treinamento.

Quais são os benefícios de usar o dataset de tumor cerebral para IA na saúde?

O uso do dataset de tumor cerebral em projetos de IA possibilita o diagnóstico precoce e o planejamento de tratamento para tumores cerebrais. Ele ajuda na automação da identificação de tumores cerebrais por meio de visão computacional, facilitando intervenções médicas precisas e oportunas, e apoiando estratégias de tratamento personalizadas. Esta aplicação possui um potencial significativo para melhorar os resultados dos pacientes e a eficiência médica. Para mais insights sobre aplicações de IA na saúde, veja as soluções de saúde da Ultralytics.

Como realizo a inferência usando um modelo YOLO26 ajustado no dataset de tumor cerebral?

A inferência usando um modelo YOLO26 ajustado pode ser realizada com abordagens Python ou CLI. Aqui estão os exemplos:

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")

Onde posso encontrar a configuração YAML para o dataset de tumor cerebral?

O arquivo de configuração YAML para o dataset de tumor cerebral pode ser encontrado em brain-tumor.yaml. Este arquivo inclui caminhos, classes e informações relevantes adicionais necessárias para treinar e avaliar modelos neste dataset.