Saltar para o conteúdo

Conjunto de dados de comprimidos médicos

Conjunto de dados aberto de comprimidos médicos em Colab

O conjunto de dados de deteção de comprimidos para uso médico é um conjunto de dados de prova de conceito (POC), cuidadosamente selecionado para demonstrar o potencial da IA em aplicações farmacêuticas. Contém imagens marcadas especificamente concebidas para treinar modelos de visão por computador para identificar comprimidos médicos.



Ver: Como treinar Ultralytics YOLO11 Model on Medical Pills Detection Dataset em Google Colab

Este conjunto de dados é um recurso fundamental para a automatização de tarefas essenciais, como o controlo de qualidade, a automatização de embalagens e a triagem eficiente em fluxos de trabalho farmacêuticos. Ao integrar este conjunto de dados em projectos, os investigadores e programadores podem explorar soluções inovadoras que aumentam a precisão, simplificam as operações e, em última análise, contribuem para melhorar os resultados dos cuidados de saúde.

Estrutura do conjunto de dados

O conjunto de dados de comprimidos para uso médico está dividido em dois subconjuntos:

  • Conjunto de treino: Composto por 92 imagens, cada uma anotada com a classe pill.
  • Conjunto de validação: Composto por 23 imagens com anotações correspondentes.

Aplicações

A utilização da visão computacional para a deteção de comprimidos médicos permite a automatização na indústria farmacêutica, apoiando tarefas como:

  • Seleção de produtos farmacêuticos: Automatização da seleção de comprimidos com base no tamanho, forma ou cor para aumentar a eficiência da produção.
  • Investigação e desenvolvimento de IA: Servir de referência para desenvolver e testar algoritmos de visão por computador em casos de utilização farmacêutica.
  • Sistemas de inventário digital: Potenciar soluções de inventário inteligentes através da integração do reconhecimento automático de comprimidos para monitorização de stocks em tempo real e planeamento de reabastecimento.

Conjunto de dados YAML

É fornecido um ficheiro de configuração YAML para definir a estrutura do conjunto de dados, incluindo caminhos e classes. Para o conjunto de dados medical-pills, o ficheiro medical-pills.yaml o ficheiro pode ser acedido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml.

ultralytics/cfg/datasets/medical-pills.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Medical-pills dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/medical-pills/
# Example usage: yolo train data=medical-pills.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── medical-pills  ← downloads here (8.19 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/medical-pills # dataset root dir
train: train/images # train images (relative to 'path') 92 images
val: valid/images # val images (relative to 'path') 23 images
test: # test images (relative to 'path')

# Classes
names:
  0: pill

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip

Utilização

Para treinar um modelo YOLO11n no conjunto de dados medical-pills para 100 épocas com um tamanho de imagem de 640, utilize os seguintes exemplos. Para obter argumentos detalhados, consulte a página de treinamento do modelo.

Exemplo de comboio

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=medical-pills.yaml model=yolo11n.pt epochs=100 imgsz=640

Exemplo de inferência

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")
# Start prediction with a fine-tuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/medical-pills-sample.jpg"

Exemplos de imagens e anotações

O conjunto de dados de comprimidos médicos apresenta imagens etiquetadas que mostram a diversidade de comprimidos. Abaixo está um exemplo de uma imagem etiquetada do conjunto de dados:

Imagem de amostra do conjunto de dados de comprimidos médicos

  • Imagem em mosaico: É apresentado um lote de treino que inclui imagens de conjuntos de dados em mosaico. O mosaico aumenta a diversidade do treino ao consolidar várias imagens numa só, melhorando a generalização do modelo.

Citações e agradecimentos

O conjunto de dados está disponível ao abrigo da licençaAGPL-3.0 .

Se utilizar o conjunto de dados Medical-pills no seu trabalho de investigação ou desenvolvimento, cite-o utilizando os dados mencionados:

@dataset{Jocher_Ultralytics_Datasets_2024,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {Dec},
    title = {Ultralytics Datasets: Medical-pills Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/medical-pills/},
    version = {1.0.0},
    year = {2024}
}

FAQ

Qual é a estrutura do conjunto de dados dos comprimidos medicinais?

O conjunto de dados inclui 92 imagens para treino e 23 imagens para validação. Cada imagem é anotada com a classe pillpermitindo uma formação e uma avaliação eficazes dos modelos.

Como é que posso treinar um modelo YOLO11 no conjunto de dados de comprimidos médicos?

Pode treinar um modelo YOLO11 para 100 épocas com um tamanho de imagem de 640 px utilizando os métodos Python ou CLI fornecidos. Consulte a secção Exemplo de treino para obter instruções detalhadas.

Quais são as vantagens de utilizar o conjunto de dados de pílulas medicinais em projectos de IA?

O conjunto de dados permite a automatização da deteção de comprimidos, contribuindo para a prevenção da contrafação, a garantia de qualidade e a otimização dos processos farmacêuticos.

Como é que faço a inferência no conjunto de dados de comprimidos médicos?

A inferência pode ser efectuada utilizando os métodos Python ou CLI com um modelo YOLO11 ajustado. Consulte a secção Exemplo de inferência para obter trechos de código.

Onde posso encontrar o ficheiro de configuração YAML para o conjunto de dados medical-pills?

O ficheiro YAML está disponível em medical-pills.yaml, contendo caminhos de conjuntos de dados, classes e detalhes de configuração adicionais.

📅C riado há 1 mês ✏️ Atualizado há 19 dias

Comentários