Conjunto de dados de tumores cerebrais

Um conjunto de dados de deteção de tumores cerebrais consiste em imagens médicas de exames de ressonância magnética ou de tomografia computorizada, contendo informações sobre a presença, localização e características do tumor cerebral. Este conjunto de dados é essencial para treinar algoritmos de visão computacional para automatizar a identificação de tumores cerebrais, ajudando no diagnóstico precoce e no planeamento do tratamento.

Estrutura do conjunto de dados

O conjunto de dados de tumores cerebrais está dividido em dois subconjuntos:

• Conjunto de treino: Consiste em 893 imagens, cada uma acompanhada de anotações correspondentes.
• Conjunto de teste: Composto por 223 imagens, com anotações emparelhadas para cada uma delas.

Aplicações

A aplicação da deteção de tumores cerebrais utilizando a visão por computador permite o diagnóstico precoce, o planeamento do tratamento e a monitorização da progressão do tumor. Ao analisar dados de imagens médicas, como exames de ressonância magnética ou tomografia computadorizada, os sistemas de visão computacional ajudam a identificar com precisão os tumores cerebrais, auxiliando na intervenção médica oportuna e em estratégias de tratamento personalizadas.

Conjunto de dados YAML

Um ficheiro YAML (Yet Another Markup Language) é utilizado para definir a configuração do conjunto de dados. Contém informações sobre os caminhos do conjunto de dados, classes e outras informações relevantes. No caso do conjunto de dados de tumor cerebral, o ficheiro brain-tumor.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.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://ultralytics.com/assets/brain-tumor.zip

Utilização

Para treinar um modelo YOLOv8n no conjunto de dados de tumores cerebrais para 100 épocas com um tamanho de imagem de 640, utiliza os snippets de código fornecidos. Para obter uma lista detalhada dos argumentos disponíveis, consulta a página de treino do modelo.

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

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"

Exemplos de imagens e anotações

O conjunto de dados de tumores cerebrais engloba uma vasta gama de imagens com diversas categorias de objectos e cenas complexas. Apresentamos de seguida exemplos de imagens do conjunto de dados, acompanhadas das respectivas anotações

• Imagem em mosaico: Apresenta aqui um lote de formação que inclui imagens de conjuntos de dados em mosaico. O mosaico, uma técnica de treino, consolida várias imagens numa só, aumentando a diversidade do lote. Esta abordagem ajuda a melhorar a capacidade do modelo para generalizar através de vários tamanhos de objectos, proporções e contextos.

Este exemplo realça a diversidade e a complexidade das imagens no conjunto de dados de tumores cerebrais, sublinhando as vantagens de incorporar o mosaico durante a fase de formação.

Citações e agradecimentos

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

Comentários