Link to this sectionBeyin Tümörü Veri Kümesi#

Ultralytics Beyin Tümörü veri seti, MRI ve CT taramalarından elde edilen 1.116 tıbbi görüntüden (893'ü eğitim ve 223'ü doğrulama için) oluşan ve 2 sınıf altında etiketlenmiş bir nesne algılama veri setidir: negative (tümör yok) ve positive (tümör var). Bu veri seti, taramalardaki beyin tümörlerini tespit etmek için bilgisayarlı görü modelleri eğitmeni sağlar ve sağlık uygulamalarında erken teşhis ile tedavi planlamasını destekler.

Link to this sectionVeri Kümesi Yapısı#

Beyin tümörü veri seti, brain-tumor.yaml yapılandırması tarafından tanımlanan iki önceden belirlenmiş alt kümeye ayrılmış 1.116 görüntü içerir:

Her görüntü, 2 sınıftan biriyle etiketlenmiştir:

• negative: beyin tümörü olmayan görüntüler
• positive: beyin tümörü gösteren görüntüler

Veri seti, ilk eğitimini yaptığında Ultralytics GitHub varlıklarından otomatik olarak (4.21 MB) indirilir, bu nedenle manuel kuruluma gerek yoktur.

Görüntüleri ek açıklamalarıyla incelemek, Charts sekmesindeki sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görüntülemek ve kendi modelini bulutta eğitmek üzere klonlamak için Ultralytics Platformu üzerinde Beyin Tümörü sayfasını keşfet.

Link to this sectionUygulamalar#

Bilgisayarlı görü ile beyin tümörü algılama; erken teşhisi, tedavi planlamasını ve tümör ilerlemesinin izlenmesini sağlar. MRI veya CT taramalarını analiz ederek, algılama modelleri tümörleri doğru bir şekilde konumlandırır ve zamanında tıbbi müdahaleyi ve kişiselleştirilmiş tedaviyi destekler.

Tıp uzmanları bu teknolojiden şu şekillerde yararlanabilir:

• Teşhis süresini kısaltmak ve doğruluğu artırmak
• Tümörlerin yerini tam olarak belirleyerek cerrahi planlamaya yardımcı olmak
• Tedavi etkinliğini zaman içinde izlemek
• Onkoloji ve nöroloji alanındaki araştırmaları desteklemek

Link to this sectionVeri Kümesi YAML#

Bir YAML dosyası; yollar, sınıflar ve diğer ilgili bilgiler dahil olmak üzere veri seti yapılandırmasını tanımlar. Beyin tümörü veri seti için brain-tumor.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml adresinde tutulmaktadır.

# 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 sectionKullanım#

Bir YOLO26 modelini beyin tümörü veri seti üzerinde 640 görüntü boyutuyla 100 epoch boyunca eğitmek için sağlanan kod parçacıklarını kullan. Mevcut argümanların ayrıntılı bir listesi için modelin Eğitim sayfasına bak.

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 sectionÖrnek Görüntüler ve Ek Açıklamalar#

Beyin tümörü veri seti, tümörü olan ve olmayan MRI ve CT beyin taramalarını içerir. Aşağıda, veri setinden ek açıklamalarıyla birlikte bir örnek görüntü yer almaktadır.

• Mozaik Görüntü: Bu eğitim grubu, mozaiklenmiş veri seti görüntülerini gösterir. Mozaikleme, eğitim sırasında birden fazla görüntüyü birleştirerek grup çeşitliliğini artırır, böylece model tıbbi görüntü analizi için tümör boyutları, şekilleri ve konumları arasında daha iyi genelleme yapar.

Link to this sectionAlıntılar ve Teşekkür#

Veri kümesi, AGPL-3.0 Lisansı altında kullanıma sunulmuştur.

Bu veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen uygun şekilde atıfta bulun:

@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 sectionSSS#

Link to this sectionUltralytics belgelerinde mevcut olan beyin tümörü veri kümesinin yapısı nasıldır?#

Beyin tümörü veri seti, her biri eşleştirilmiş açıklamalara sahip 893 görüntüden oluşan bir eğitim seti ve 223 görüntüden oluşan bir doğrulama seti olmak üzere iki alt kümeye bölünmüş 1.116 görüntü içerir. Bu yapılandırılmış bölümleme, beyin tümörlerini tespit etmek için sağlam ve doğru bilgisayarlı görü modellerinin geliştirilmesini destekler. Daha fazla bilgi için Dataset Structure bölümüne bak.

Link to this sectionBeyin tümörü veri seti hangi sınıfları içerir?#

Beyin tümörü veri seti 2 sınıfa sahiptir: negative (beyin tümörü olmayan görüntüler) ve positive (beyin tümörü gösteren görüntüler). Bu ikili etiketleme, bir algılama modelinin hem bir tümörü konumlandırmasına hem de tümör bulunmayan taramaları işaretlemesine olanak tanır.

Link to this sectionBeyin tümörü veri setini nasıl indirebilirim?#

Beyin tümörü veri seti (4.21 MB), data="brain-tumor.yaml" ile ilk eğitimini yaptığında Ultralytics GitHub varlıklarından otomatik olarak indirilir; manuel indirme gerekmez. İlgili veri setlerine algılama veri setlerine genel bakış kısmından göz atabilirsin.

Link to this sectionUltralytics kullanarak bir YOLO26 modelini beyin tümörü veri kümesi üzerinde nasıl eğitebilirim?#

Bir YOLO26 modelini hem Python hem de CLI yöntemlerini kullanarak 640px görüntü boyutuyla 100 dönem boyunca beyin tümörü veri kümesi üzerinde eğitebilirsin. Her ikisi için örnekler aşağıdadır:

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)

Kullanılabilir bağımsız değişkenlerin ayrıntılı bir listesi için Eğitim sayfasına başvur.

Link to this sectionSağlık hizmetlerinde yapay zeka için beyin tümörü veri kümesini kullanmanın faydaları nelerdir?#

Beyin tümörü veri setini AI projelerinde kullanmak, beyin tümörleri için erken teşhis ve tedavi planlaması yapmanı sağlar. Bu, bilgisayarlı görü yoluyla beyin tümörü tanımlamasını otomatikleştirmeye yardımcı olarak doğru ve zamanında tıbbi müdahaleleri kolaylaştırır ve kişiselleştirilmiş tedavi stratejilerini destekler. Bu uygulama, hasta sonuçlarını iyileştirmek ve tıbbi verimliliği artırmak konusunda önemli bir potansiyel barındırır. Sağlık hizmetlerinde AI uygulamaları hakkında daha fazla bilgi için Ultralytics' healthcare solutions bölümüne göz at.

Link to this sectionBeyin tümörü veri kümesi üzerinde ince ayarlı bir YOLO26 modeli kullanarak nasıl çıkarım (inference) yaparım?#

İnce ayarlı bir YOLO26 modeli kullanılarak çıkarım, Python veya CLI yaklaşımlarıyla gerçekleştirilebilir. İşte örnekler:

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 sectionBeyin tümörü veri kümesi için YAML yapılandırmasını nerede bulabilirim?#

Beyin tümörü veri kümesi için YAML yapılandırma dosyası brain-tumor.yaml adresinde bulunabilir. Bu dosya; bu veri kümesi üzerinde modelleri eğitmek ve değerlendirmek için gerekli olan yolları, sınıfları ve diğer ilgili bilgileri içerir.