Link to this sectionDataset de Tumor Cerebral#

O conjunto de dados Ultralytics Brain Tumor é um conjunto de dados de object detection com 1.116 imagens médicas (893 para treino e 223 para validação) provenientes de exames de ressonância magnética (MRI) e tomografia computorizada (CT), rotuladas em 2 classes: negative (sem tumor) e positive (com tumor presente). Ele permite treinar modelos de computer vision para localizar tumores cerebrais em exames, apoiando o diagnóstico precoce e o planeamento de tratamento em healthcare applications.

Link to this sectionEstrutura do Dataset#

O conjunto de dados de tumor cerebral contém 1.116 imagens divididas em dois subconjuntos predefinidos, definidos pela configuração brain-tumor.yaml:

Cada imagem está rotulada com uma de 2 classes:

• negative: imagens sem um tumor cerebral
• positive: imagens que mostram um tumor cerebral

O conjunto de dados é transferido automaticamente (4,21 MB) dos ativos do GitHub da Ultralytics na primeira vez que treinas, pelo que não é necessária qualquer configuração manual.

Explora o Brain Tumor on Ultralytics Platform para navegar pelas imagens com as suas sobreposições de anotação, ver a distribuição das classes e os mapas de calor de bounding-box no separador Charts, e clona-o para treinares o teu próprio modelo na nuvem.

Link to this sectionAplicações#

A deteção de tumor cerebral com computer vision permite um early diagnosis, planeamento de tratamento e monitorização da progressão do tumor. Ao analisar exames de MRI ou CT, os modelos de deteção localizam com precisão os tumores, apoiando a intervenção médica atempada e o tratamento personalizado.

Profissionais de medicina 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

Link to this sectionYAML do Dataset#

Um arquivo YAML define a configuração do dataset, incluindo caminhos, classes e outras informações relevantes. Para o 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

Link to this sectionUso#

Para treinar um modelo YOLO26 no conjunto de dados de tumores cerebrais por 100 épocas com um tamanho de imagem de 640, utilize os trechos de código fornecidos. Para uma lista detalhada dos 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")

Link to this sectionExemplos de Imagens e Anotações#

O conjunto de dados de tumor cerebral contém exames cerebrais de MRI e CT com e sem tumores. Abaixo está um exemplo de imagem do conjunto de dados com as suas anotações.

• Mosaiced Image: Este lote de treino mostra imagens de conjunto de dados em mosaico. A criação de mosaicos combina várias imagens numa só durante o treino, aumentando a diversidade do lote para que o modelo generalize melhor entre tamanhos, formas e localizações de tumores para medical image analysis.

Link to this sectionCitações 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/}
}

Link to this sectionFAQ#

Link to this sectionQual é a estrutura do dataset de tumor cerebral disponível na documentação da Ultralytics?#

O conjunto de dados de tumor cerebral contém 1.116 imagens divididas em dois subconjuntos: um training set de 893 imagens e um validation set de 223 imagens, cada um com anotações emparelhadas. Esta divisão estruturada apoia o desenvolvimento de modelos de computer vision robustos e precisos para detetar tumores cerebrais. Para mais informações, consulta a secção Dataset Structure.

Link to this sectionQue classes contém o conjunto de dados de tumor cerebral?#

O conjunto de dados de tumor cerebral tem 2 classes: negative (imagens sem um tumor cerebral) e positive (imagens que mostram um tumor cerebral). Esta rotulagem binária permite que um modelo de deteção localize um tumor e identifique exames onde nenhum está presente.

Link to this sectionComo descarrego o conjunto de dados de tumor cerebral?#

O conjunto de dados de tumor cerebral (4,21 MB) é transferido automaticamente dos ativos do GitHub da Ultralytics na primeira vez que treinas com data="brain-tumor.yaml" — não é necessária uma transferência manual. Podes navegar por conjuntos de dados relacionados na detection datasets overview.

Link to this sectionComo posso treinar um modelo YOLO26 no dataset de tumor cerebral usando Ultralytics?#

Você pode treinar um modelo YOLO26 no dataset de tumor cerebral por 100 épocas com um tamanho de imagem de 640px usando os 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.

Link to this sectionQuais são os benefícios de usar o dataset de tumor cerebral para IA na área da saúde?#

Usar o dataset de tumores cerebrais em projetos de IA possibilita o diagnóstico precoce e o planejamento de tratamentos para tumores cerebrais. Ele ajuda a automatizar a identificação de tumores cerebrais através de computer vision, facilitando intervenções médicas precisas e oportunas, e apoiando estratégias de tratamento personalizadas. Esta aplicação tem um potencial significativo na melhoria dos resultados dos pacientes e na eficiência médica. Para mais insights sobre aplicações de IA na saúde, veja as Ultralytics' healthcare solutions.

Link to this sectionComo 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")

Link to this sectionOnde 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.