Link to this sectionНабор данных опухолей головного мозга#

Датасет Ultralytics Brain Tumor — это набор данных для обнаружения объектов, состоящий из 1 116 медицинских изображений (893 для обучения и 223 для валидации), полученных в результате МРТ и КТ-сканирования и размеченных по 2 классам: negative (опухоль отсутствует) и positive (опухоль присутствует). Он позволяет тебе обучать модели компьютерного зрения для поиска опухолей головного мозга на сканах, способствуя ранней диагностике и планированию лечения в медицинских приложениях.

Link to this sectionСтруктура набора данных#

Датасет опухолей головного мозга содержит 1 116 изображений, разделенных на два предопределенных подмножества, заданных конфигурацией brain-tumor.yaml:

Каждое изображение размечено одним из 2 классов:

• negative: изображения без опухоли головного мозга
• positive: изображения с опухолью головного мозга

Датасет автоматически загружается (4,21 МБ) из ресурсов Ultralytics GitHub при первом запуске обучения, поэтому ручная настройка не требуется.

Изучи Brain Tumor на платформе Ultralytics, чтобы просмотреть изображения с наложенными аннотациями, увидеть распределение классов и тепловые карты ограничивающих рамок (BBox) на вкладке Charts, а также клонировать датасет для обучения собственной модели в облаке.

Link to this sectionПрименение#

Обнаружение опухолей головного мозга с помощью компьютерного зрения позволяет проводить раннюю диагностику, планировать лечение и отслеживать прогрессирование опухоли. Анализируя МРТ или КТ-сканы, модели обнаружения точно находят опухоли, способствуя своевременному медицинскому вмешательству и персонализированному лечению.

Медицинские специалисты могут использовать эту технологию для:

• Сокращения времени диагностики и повышения ее точности
• Помощи в планировании хирургического вмешательства путем точного определения локализации опухолей
• Мониторинга эффективности лечения в динамике
• Поддержки исследований в области онкологии и неврологии

Link to this sectionYAML набора данных#

Файл YAML определяет конфигурацию датасета, включая пути, классы и другую релевантную 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.zip

Link to this sectionИспользование#

Чтобы обучить модель YOLO26 на наборе данных опухолей головного мозга в течение 100 эпох с размером изображения 640, используй предоставленные фрагменты кода. Подробный список доступных аргументов можно найти 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")

Link to this sectionПримеры изображений и аннотации#

Датасет опухолей головного мозга содержит МРТ и КТ-сканы мозга как с опухолями, так и без них. Ниже приведен пример изображения из датасета с аннотациями.

• Мозаичное изображение: этот обучающий батч демонстрирует мозаичные изображения датасета. Мозаика объединяет несколько изображений в одно во время обучения, увеличивая разнообразие батча, чтобы модель лучше обобщала данные для различных размеров, форм и расположений опухолей при анализе медицинских изображений.

Link to this sectionЦитирование и благодарности#

Набор данных доступен по лицензии AGPL-3.0 License.

Если ты используешь этот набор данных в своей исследовательской работе или разработке, пожалуйста, сошлися на него должным образом:

@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 sectionКакова структура набора данных опухолей головного мозга, доступного в документации Ultralytics?#

Датасет опухолей головного мозга содержит 1 116 изображений, разделенных на два подмножества: обучающий набор из 893 изображений и валидационный набор из 223 изображений, каждое из которых имеет парные аннотации. Это структурированное разделение способствует разработке надежных и точных моделей компьютерного зрения для обнаружения опухолей мозга. Дополнительную информацию см. в разделе Dataset Structure.

Link to this sectionКакие классы содержит датасет опухолей головного мозга?#

Датасет опухолей головного мозга имеет 2 класса: negative (изображения без опухоли) и positive (изображения с опухолью). Эта бинарная разметка позволяет модели обнаружения как находить опухоль, так и отмечать сканы, на которых она отсутствует.

Link to this sectionКак мне скачать датасет опухолей головного мозга?#

Датасет опухолей головного мозга (4,21 МБ) автоматически скачивается из ресурсов Ultralytics GitHub при первом обучении с параметром data="brain-tumor.yaml" — ручное скачивание не требуется. Ты можешь просмотреть связанные датасеты в обзоре датасетов для обнаружения.

Link to this sectionКак я могу обучить модель YOLO26 на наборе данных опухолей головного мозга, используя Ultralytics?#

Ты можешь обучить модель YOLO26 на наборе данных опухолей головного мозга в течение 100 эпох с размером изображения 640 пикселей, используя как Python, так и методы CLI. Ниже приведены примеры для обоих случаев:

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)

Подробный список доступных аргументов представлен на странице Обучение.

Link to this sectionКаковы преимущества использования набора данных опухолей головного мозга для ИИ в здравоохранении?#

Использование датасета опухолей головного мозга в AI-проектах позволяет обеспечить раннюю диагностику и планирование лечения. Это помогает автоматизировать идентификацию опухолей головного мозга с помощью computer vision, способствуя точному и своевременному медицинскому вмешательству, а также поддерживая стратегии персонализированного лечения. Это применение обладает значительным потенциалом для улучшения результатов лечения пациентов и эффективности медицинских процессов. Дополнительную информацию об AI-решениях в здравоохранении можно найти в разделе Ultralytics' healthcare solutions.

Link to this sectionКак мне выполнить инференс с помощью дообученной модели YOLO26 на наборе данных опухолей головного мозга?#

Инференс с помощью дообученной модели YOLO26 можно выполнить как с помощью Python, так и через CLI. Вот соответствующие примеры:

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 sectionГде я могу найти YAML-конфигурацию для набора данных опухолей головного мозга?#

YAML-файл конфигурации для набора данных опухолей головного мозга можно найти по ссылке brain-tumor.yaml. Этот файл содержит пути, классы и дополнительную необходимую информацию для обучения и оценки моделей на этом наборе данных.