Набор данных по опухолям головного мозга
Набор данных для обнаружения опухолей мозга состоит из медицинских изображений, полученных с помощью МРТ или КТ, и содержит информацию о наличии, расположении и характеристиках опухоли мозга. Этот набор данных необходим для обучения алгоритмов компьютерного зрения, позволяющих автоматизировать идентификацию опухолей мозга, что помогает в ранней диагностике и планировании лечения.
Смотри: Обнаружение опухолей головного мозга с помощью Ultralytics HUB
Структура набора данных
Набор данных по опухолям мозга разделен на два подмножества:
- Обучающий набор: Состоит из 893 изображений, каждое из которых сопровождается соответствующими аннотациями.
- Набор для тестирования: Состоит из 223 изображений с парными аннотациями для каждого из них.
Приложения
Применение обнаружения опухолей мозга с помощью компьютерного зрения позволяет проводить раннюю диагностику, планировать лечение и следить за прогрессированием опухоли. Анализируя данные медицинской визуализации, например МРТ или КТ, системы компьютерного зрения помогают точно определять опухоли мозга, способствуя своевременному медицинскому вмешательству и персонализированным стратегиям лечения.
Набор данных YAML
Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). В нем содержится информация о путях, классах и других важных сведениях набора данных. В случае с набором данных об опухолях мозга файл YAML brain-tumor.yaml
файл хранится по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.
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://github.com/ultralytics/assets/releases/download/v0.0.0/brain-tumor.zip
Использование
Чтобы обучить модель YOLOv8n на наборе данных по опухолям мозга в течение 100 эпох при размере изображения 640, используй приведенные фрагменты кода. Подробный список доступных аргументов можно найти на странице обучения модели.
Пример поезда
Пример умозаключения
Примеры изображений и аннотаций
Набор данных по опухолям мозга включает в себя широкий спектр изображений с различными категориями объектов и сложными сценами. Ниже представлены примеры изображений из этого набора, сопровождаемые соответствующими аннотациями.
- Мозаичное изображение: Здесь показана тренировочная партия, состоящая из мозаичных изображений набора данных. Мозаика - метод обучения, при котором несколько изображений объединяются в одно, что повышает разнообразие партии. Такой подход помогает улучшить способность модели к обобщению для объектов различных размеров, соотношения сторон и контекста.
Этот пример подчеркивает разнообразие и сложность изображений в наборе данных по опухолям мозга, подчеркивая преимущества включения мозаики на этапе обучения.
Цитаты и благодарности
Набор данных был выпущен в свободный доступ по лицензииAGPL-3.0 .
ВОПРОСЫ И ОТВЕТЫ
Какова структура набора данных об опухолях мозга, доступного в документации Ultralytics ?
Набор данных по опухолям мозга разделен на два подмножества: обучающий набор состоит из 893 изображений с соответствующими аннотациями, а тестовый - из 223 изображений с парными аннотациями. Такое структурированное разделение помогает в разработке надежных и точных моделей компьютерного зрения для обнаружения опухолей мозга. Чтобы узнать больше о структуре набора данных, посети раздел " Структура набора данных ".
Как обучить модель YOLOv8 на наборе данных об опухолях мозга с помощью Ultralytics?
Ты можешь обучить модель YOLOv8 на наборе данных "Опухоли мозга" в течение 100 эпох при размере изображения 640px, используя методы Python и CLI . Ниже приведены примеры для обоих методов:
Пример поезда
Подробный список доступных аргументов ты найдешь на странице " Обучение ".
В чем преимущества использования набора данных об опухолях мозга для ИИ в здравоохранении?
Использование набора данных об опухолях мозга в ИИ-проектах позволяет проводить раннюю диагностику и планировать лечение опухолей мозга. Это помогает автоматизировать идентификацию опухолей мозга с помощью компьютерного зрения, способствует точному и своевременному медицинскому вмешательству, а также поддерживает персонализированные стратегии лечения. Это приложение обладает значительным потенциалом для улучшения результатов лечения пациентов и повышения эффективности медицины.
Как сделать вывод с помощью точно настроенной модели YOLOv8 на наборе данных об опухолях мозга?
Вывод с помощью тонко настроенной модели YOLOv8 может быть выполнен с помощью подходов Python или CLI . Вот примеры:
Пример умозаключения
Где я могу найти конфигурацию YAML для набора данных опухоли мозга?
Конфигурационный файл YAML для набора данных "Опухоль мозга" можно найти по адресу brain-tumor.yaml. Этот файл включает в себя пути, классы и дополнительную релевантную информацию, необходимую для обучения и оценки моделей на этом наборе данных.