Ultralytics YOLO27:

Conjunto de dados de tumores cerebrais#

Open Brain Tumor Dataset In Colab

O conjunto de dados de tumores cerebrais da Ultralytics é um conjunto de dados de deteção de objetos com 1.116 imagens médicas (893 para treino e 223 para validação) provenientes de exames de MRI e CT, anotadas em 2 classes: negative (sem tumor) e positive (com tumor). Permite treinar modelos de visão computacional para localizar tumores cerebrais em exames, apoiando o diagnóstico precoce e o planeamento do tratamento em aplicações de saúde.



Watch: Brain Tumor Detection using Ultralytics Platform with Ultralytics YOLO26 | Object Detection 🚀

Estrutura do Conjunto de Dados#

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

DivisãoImagensAnotações
Treinar893Sim
Validação223Sim

Cada imagem é anotada com uma de 2 classes:

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

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

Explora Brain Tumor na Ultralytics Platform para percorreres as imagens com as respetivas sobreposições de anotações, veres a distribuição das classes e os mapas de calor das caixas delimitadoras no separador Gráficos, e fazeres uma cópia para treinares o teu próprio modelo na cloud.

Aplicações#

A deteção de tumores cerebrais com visão computacional permite o diagnóstico precoce, o planeamento do tratamento e a monitorização da progressão do tumor. Ao analisar exames de MRI ou CT, os modelos de deteção localizam os tumores com precisão, apoiando uma intervenção médica atempada e um tratamento personalizado.

Os profissionais de saúde podem tirar partido desta tecnologia para:

  • Reduzir o tempo de diagnóstico e melhorar a precisão
  • Apoiar o planeamento cirúrgico através da localização precisa dos tumores
  • Monitorizar a eficácia do tratamento ao longo do tempo
  • Apoiar a investigação em oncologia e neurologia

YAML do Conjunto de Dados#

Um ficheiro YAML define a configuração do conjunto de dados, incluindo caminhos, classes e outras informações relevantes. Para o conjunto de dados de tumores cerebrais, o ficheiro brain-tumor.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

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

Utilização#

Para treinares um modelo YOLO26 no conjunto de dados de tumores cerebrais durante 100 épocas, com um tamanho de imagem de 640, utiliza os fragmentos de código fornecidos. Para obteres uma lista detalhada dos argumentos disponíveis, consulta a página de Treino do modelo.

Exemplo de treino
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)
Exemplo de inferência
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 exemplo e anotações#

O conjunto de dados de tumores cerebrais contém exames cerebrais de MRI e CT com e sem tumores. Abaixo, é apresentada uma imagem de exemplo do conjunto de dados com as respetivas anotações.

Imagem de exemplo do conjunto de dados de tumores cerebrais

  • Imagem em mosaico: este lote de treino mostra imagens do conjunto de dados dispostas 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 diferentes tamanhos, formas e localizações de tumores na análise de imagens médicas.

Citações e agradecimentos#

O conjunto de dados foi disponibilizado ao abrigo da Licença AGPL-3.0.

Se utilizares este conjunto de dados no teu trabalho de investigação ou desenvolvimento, cita-o adequadamente:

Citação
@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#

  • O conjunto de dados de tumores cerebrais contém 1.116 imagens divididas em dois subconjuntos: um conjunto de treino com 893 imagens e um conjunto de validação com 223 imagens, cada uma com anotações correspondentes. Esta divisão estruturada apoia o desenvolvimento de modelos de visão computacional robustos e precisos para detetar tumores cerebrais. Para mais informações, consulta a secção Estrutura do conjunto de dados.

  • O conjunto de dados de tumores cerebrais tem 2 classes: negative (imagens sem tumor cerebral) e positive (imagens que mostram um tumor cerebral). Esta classificação binária permite que um modelo de deteção localize um tumor e assinale exames onde não existe nenhum.

  • O conjunto de dados de tumores cerebrais (4,21 MB) é transferido automaticamente dos recursos do GitHub da Ultralytics na primeira vez que treinas com data="brain-tumor.yaml" — não é necessária qualquer transferência manual. Podes consultar conjuntos de dados relacionados na visão geral dos conjuntos de dados de deteção.

  • Podes treinar um modelo YOLO26 no conjunto de dados de tumores cerebrais durante 100 épocas, com um tamanho de imagem de 640px, utilizando métodos Python e CLI. Abaixo encontram-se exemplos de ambos:

    Exemplo de treino
    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 obteres uma lista detalhada dos argumentos disponíveis, consulta a página de Treino.

  • A utilização do conjunto de dados de tumores cerebrais em projetos de IA permite o diagnóstico precoce e o planeamento do tratamento de tumores cerebrais. Ajuda a automatizar a identificação de tumores cerebrais através da visão computacional, facilitando intervenções médicas precisas e atempadas e apoiando estratégias de tratamento personalizadas. Esta aplicação tem um potencial significativo para melhorar os resultados dos pacientes e a eficiência dos cuidados médicos. Para obteres mais informações sobre aplicações de IA na área da saúde, consulta as soluções de saúde da Ultralytics.

  • A inferência com um modelo YOLO26 ajustado pode ser realizada através de Python ou CLI. Eis os exemplos:

    Exemplo de inferência
    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")
  • O ficheiro de configuração YAML do conjunto de dados de tumores cerebrais encontra-se em brain-tumor.yaml. Este ficheiro inclui os caminhos, as classes e outras informações relevantes necessárias para treinar e avaliar modelos neste conjunto de dados.

Comentários