Link to this sectionBeyin Tümörü Veri Kümesi#

A brain tumor detection dataset consists of medical images from MRI or CT scans, containing information about brain tumor presence, location, and characteristics. This dataset is essential for training computer vision algorithms to automate brain tumor identification, aiding in early diagnosis and treatment planning in healthcare applications.

Watch: Brain Tumor Detection using Ultralytics Platform with Ultralytics YOLO26 | Object Detection 🚀

Link to this sectionVeri Kümesi Yapısı#

Beyin tümörü veri kümesi iki alt kümeye ayrılmıştır:

Eğitim kümesi: Her biri ilgili açıklamalarla desteklenen 893 görüntüden oluşur.
Test kümesi: Her biri için eşleştirilmiş açıklamalar içeren 223 görüntüden oluşur.

Veri kümesi iki sınıf içerir:

Negatif: Beyin tümörü olmayan görüntüler
Pozitif: Beyin tümörü olan görüntüler

Link to this sectionUygulamalar#

Bilgisayarlı görü kullanılarak beyin tümörü tespiti uygulaması; erken teşhis, tedavi planlaması ve tümör ilerlemesinin izlenmesine olanak tanır. MRI veya BT taramaları gibi tıbbi görüntüleme verilerini analiz ederek, bilgisayarlı görü sistemleri beyin tümörlerinin doğru bir şekilde tanımlanmasına yardımcı olur, böylece zamanında tıbbi müdahaleyi ve kişiselleştirilmiş tedavi stratejilerini 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#

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Bu dosya; veri kümesinin yolları, sınıfları ve diğer ilgili bilgileri hakkında veriler içerir. Beyin tümörü veri kümesi söz konusu olduğunda, brain-tumor.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml adresinde tutulmaktadır.

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 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.

Eğitim Örneği

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)

Çıkarım Örneği

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 kümesi, tümörlü ve tümörsüz beyin taramalarını içeren çok çeşitli tıbbi görüntüleri kapsar. Aşağıda, ilgili açıklamalarıyla birlikte veri kümesinden görüntü örnekleri sunulmuştur.

Beyin tümörü veri kümesi örnek görüntü

Mozaiklenmiş Görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubu görüntülenmektedir. Bir eğitim tekniği olan mozaikleme, birden fazla görüntüyü birleştirerek grup çeşitliliğini artırır. Bu yaklaşım, modelin beyin taramalarındaki çeşitli tümör boyutları, şekilleri ve konumları genelinde genelleme yapma kapasitesini geliştirmeye yardımcı olur.

Bu örnek, beyin tümörü veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını vurgulamakta ve tıbbi görüntü analizi için eğitim aşamasında mozaikleme kullanmanın avantajlarını ortaya koymaktadır.

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:

Alıntı

@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 kümesi iki alt kümeye ayrılmıştır: eğitim kümesi karşılık gelen açıklamalarla birlikte 893 görüntüden oluşurken, test kümesi eşleştirilmiş açıklamalarla birlikte 223 görüntü içerir. Bu yapısal ayrım, beyin tümörlerini tespit etmek için sağlam ve doğru bilgisayarlı görü modelleri geliştirmeye yardımcı olur. Veri kümesi yapısı hakkında daha fazla bilgi için Veri Kümesi Yapısı bölümünü ziyaret et.

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:

Eğitim Örneği

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 kümesini yapay zeka projelerinde kullanmak, beyin tümörleri için erken teşhis ve tedavi planlamasına olanak tanır. Bilgisayarlı görü aracılığıyla beyin tümörü tanımlamasını otomatikleştirmeye yardımcı olur, doğru ve zamanında tıbbi müdahaleleri kolaylaştırır ve kişiselleştirilmiş tedavi stratejilerini destekler. Bu uygulama, hasta sonuçlarını ve tıbbi verimliliği artırma konusunda önemli bir potansiyele sahiptir. Sağlık hizmetlerinde yapay zeka uygulamaları hakkında daha fazla bilgi için Ultralytics'in sağlık çözümlerine göz at.