Датасет опухолей головного мозга#
Датасет опухолей головного мозга Ultralytics — это датасет для обнаружения объектов, содержащий 1 116 медицинских изображений (893 для обучения и 223 для валидации), полученных с помощью МРТ- и КТ-сканирования и размеченных по 2 классам: negative (опухоли нет) и positive (опухоль присутствует). Он позволяет обучать модели компьютерного зрения для обнаружения опухолей головного мозга на снимках, поддерживая раннюю диагностику и планирование лечения в медицинских приложениях.
Watch: Brain Tumor Detection using Ultralytics Platform with Ultralytics YOLO26 | Object Detection 🚀
Структура датасета#
Датасет опухолей головного мозга содержит 1 116 изображений, разделённых на два заранее определённых поднабора согласно конфигурации brain-tumor.yaml:
| Выборка | Изображения | Аннотации |
|---|---|---|
| Обучение | 893 | Да |
| Валидация | 223 | Да |
Каждое изображение размечено одним из 2 классов:
negative: изображения без опухоли головного мозгаpositive: изображения с опухолью головного мозга
При первом запуске обучения датасет автоматически скачивается (4,21 МБ) из ресурсов Ultralytics на GitHub, поэтому ручная настройка не требуется.
Открой датасет опухолей головного мозга на платформе Ultralytics, чтобы просмотреть изображения с наложенными аннотациями, изучить распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать датасет для обучения собственной модели в облаке.
Применения#
Обнаружение опухолей головного мозга с помощью компьютерного зрения обеспечивает раннюю диагностику, планирование лечения и мониторинг прогрессирования опухоли. Анализируя МРТ- или КТ-снимки, модели обнаружения точно определяют расположение опухолей, поддерживая своевременное медицинское вмешательство и персонализированное лечение.
Медицинские специалисты могут использовать эту технологию, чтобы:
- Сократить время диагностики и повысить точность
- Помочь в планировании хирургических операций за счёт точного определения расположения опухолей
- Отслеживать эффективность лечения с течением времени
- Поддерживать исследования в области онкологии и неврологии
YAML датасета#
Файл YAML определяет конфигурацию датасета, включая пути, классы и другую актуальную информацию. Для датасета опухолей головного мозга файл brain-tumor.yaml хранится по адресу 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.zipИспользование#
Чтобы обучить модель YOLO26 на датасете опухолей головного мозга в течение 100 эпох с размером изображения 640, используй приведённые фрагменты кода. Подробный список доступных аргументов смотри на странице обучения модели.
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")Примеры изображений и аннотаций#
Датасет опухолей головного мозга содержит МРТ- и КТ-снимки головного мозга с опухолями и без них. Ниже приведён пример изображения из датасета с его аннотациями.

- Изображение с мозаикой: этот пакет данных для обучения содержит изображения датасета, объединённые в мозаику. Мозаика объединяет несколько изображений в одно во время обучения, повышая разнообразие пакета, чтобы модель лучше обобщала данные при разных размерах, формах и расположении опухолей для анализа медицинских изображений.
Цитирование и благодарности#
Датасет доступен по лицензии AGPL-3.0.
Если ты используешь этот датасет в исследовательской или разработческой работе, пожалуйста, корректно укажи его в цитировании:
@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}
}Часто задаваемые вопросы#
Датасет опухолей головного мозга содержит 1 116 изображений, разделённых на два поднабора: обучающую выборку из 893 изображений и валидационную выборку из 223 изображений, каждое из которых снабжено соответствующими аннотациями. Такое структурированное разделение поддерживает разработку надёжных и точных моделей компьютерного зрения для обнаружения опухолей головного мозга. Дополнительную информацию смотри в разделе структуры датасета.
Датасет опухолей головного мозга содержит 2 класса:
negative(изображения без опухоли головного мозга) иpositive(изображения с опухолью головного мозга). Такая бинарная разметка позволяет модели обнаружения одновременно определять расположение опухоли и отмечать снимки, на которых она отсутствует.Датасет опухолей головного мозга (4,21 МБ) автоматически скачивается из ресурсов Ultralytics на GitHub при первом запуске обучения с
data="brain-tumor.yaml"— ручное скачивание не требуется. Связанные датасеты можно просмотреть в обзоре датасетов для обнаружения.Ты можешь обучить модель YOLO26 на датасете опухолей головного мозга в течение 100 эпох с размером изображения 640px, используя методы Python и CLI. Ниже приведены примеры обоих методов:
Пример обученияfrom 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)Подробный список доступных аргументов смотри на странице обучения.
Использование датасета опухолей головного мозга в проектах ИИ обеспечивает раннюю диагностику и планирование лечения опухолей головного мозга. Он помогает автоматизировать выявление опухолей головного мозга с помощью компьютерного зрения, облегчая точное и своевременное медицинское вмешательство и поддерживая персонализированные стратегии лечения. Это применение обладает значительным потенциалом для улучшения результатов лечения пациентов и эффективности медицинской помощи. Дополнительную информацию о применении ИИ в здравоохранении смотри в разделе решений Ultralytics для здравоохранения.
Инференс с использованием дообученной модели YOLO26 можно выполнить с помощью Python или CLI. Вот примеры:
Пример инференсаfrom 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")Файл конфигурации YAML для датасета опухолей головного мозга находится по адресу brain-tumor.yaml. Этот файл содержит пути, классы и дополнительную актуальную информацию, необходимую для обучения и оценки моделей на этом датасете.



