Перейти к содержанию

Набор данных о медицинских таблетках

Открытый набор данных о медицинских таблетках в Colab

Набор данных для обнаружения медицинских таблеток - это набор данных для доказательства концепции (POC), тщательно подобранный для демонстрации потенциала ИИ в фармацевтических приложениях. Он содержит маркированные изображения, специально разработанные для обучения моделей компьютерного зрения для идентификации медицинских таблеток.



Смотреть: Как обучить модель Ultralytics YOLO11 на наборе данных для обнаружения медицинских таблеток в Google Colab

Этот набор данных служит основополагающим ресурсом для автоматизации таких важных задач, как контроль качества, автоматизация упаковки и эффективная сортировка в фармацевтических рабочих процессах. Интегрируя этот набор данных в проекты, исследователи и разработчики могут изучать инновационные решения, которые повышают точность, оптимизируют операции и в конечном итоге способствуют улучшению результатов в здравоохранении.

Структура набора данных

Набор данных о медицинских препаратах разделен на два подмножества:

  • Обучающий набор: Состоит из 92 изображений, каждое из которых аннотировано классом pill.
  • Валидационный набор: Состоит из 23 изображений с соответствующими аннотациями.

Приложения

Использование компьютерного зрения для распознавания медицинских препаратов позволяет автоматизировать фармацевтическую промышленность, поддерживая такие задачи, как:

  • Фармацевтическая сортировка: Автоматизация сортировки таблеток по размеру, форме или цвету для повышения эффективности производства.
  • Исследования и разработки в области искусственного интеллекта: Служит эталоном для разработки и тестирования алгоритмов компьютерного зрения в фармацевтике.
  • Цифровые системы инвентаризации: Интеллектуальные решения для инвентаризации, включающие автоматическое распознавание таблеток для контроля запасов и планирования пополнения запасов в режиме реального времени.
  • Контроль качества: Обеспечение постоянства в производстве таблеток путем выявления дефектов, нарушений или загрязнений.
  • Обнаружение подделок: Помощь в выявлении потенциально поддельных лекарств путем анализа визуальных характеристик в сравнении с известными стандартами.

Набор данных YAML

Для определения структуры набора данных, включая пути и классы, предоставляется конфигурационный файл YAML. Для набора данных medical-pills файл конфигурации medical-pills.yaml файл можно получить по адресу 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

Использование

Чтобы обучить модель YOLO11n на наборе данных medical-pills в течение 100 эпох при размере изображения 640, используйте следующие примеры. Подробные аргументы см. на странице обучения модели.

Пример поезда

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

Пример вывода

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"

Образцы изображений и аннотаций

В наборе данных medical-pills представлены маркированные изображения, демонстрирующие разнообразие таблеток. Ниже приведен пример маркированного изображения из этого набора:

Образец изображения из набора данных "Медицинские таблетки

  • Мозаичное изображение: Отображается обучающая партия, состоящая из мозаичных изображений набора данных. Мозаичное изображение повышает разнообразие обучения за счет объединения нескольких изображений в одно, что улучшает обобщение модели.

Интеграция с другими наборами данных

Для более комплексного фармацевтического анализа можно объединить набор данных medical-pills с другими смежными наборами данных, такими как package-seg для идентификации упаковки или наборы данных медицинской визуализации, такие как brain-tumor, для разработки комплексных решений ИИ в области здравоохранения.

Цитаты и благодарности

Набор данных доступен по лицензииAGPL-3.0 .

Если вы используете набор данных Medical-pills в своих исследованиях или разработках, пожалуйста, ссылайтесь на него, используя указанные данные:

@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}
}

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Какова структура набора данных "Лекарственные препараты"?

Набор данных включает 92 изображения для обучения и 23 изображения для проверки. Каждое изображение аннотировано классом pillЭто позволяет эффективно обучать и оценивать модели для применения в фармацевтике.

Как обучить модель YOLO11 на наборе данных "Лекарственные препараты"?

Вы можете обучить модель YOLO11 в течение 100 эпох с размером изображения 640px, используя методы Python или CLI . Обратитесь к разделу " Пример обучения" за подробными инструкциями и ознакомьтесь с документациейYOLO11 для получения дополнительной информации о возможностях модели.

Каковы преимущества использования набора данных о медицинских таблетках в проектах искусственного интеллекта?

Набор данных позволяет автоматизировать процесс обнаружения таблеток, способствуя предотвращению подделок, обеспечению качества и оптимизации фармацевтических процессов. Она также служит ценным ресурсом для разработки ИИ-решений, которые могут повысить безопасность лекарств и эффективность цепочки поставок.

Как сделать вывод на наборе данных "Лекарственные препараты"?

Выводы могут быть сделаны с помощью методов Python или CLI с использованием точно настроенной модели YOLO11 . Обратитесь к разделу Примеры выводов для получения фрагментов кода и к документации по режиму Predict для получения дополнительных опций.

Где найти файл конфигурации YAML для набора данных medical-pills?

YAML-файл доступен по адресу medical-pills.yaml и содержит пути к набору данных, классы и дополнительные сведения о конфигурации, необходимые для обучения моделей на этом наборе данных.

📅 Создано 3 месяца назад ✏️ Обновлено 8 дней назад
гленн-джохер РизванМунавар

Комментарии