─░├žeri─če ge├ž

Beyin T├╝m├Âr├╝ Veri K├╝mesi

Bir beyin t├╝m├Âr├╝ tespit veri k├╝mesi, beyin t├╝m├Âr├╝n├╝n varl─▒─č─▒, konumu ve ├Âzellikleri hakk─▒nda bilgi i├žeren MRI veya CT taramalar─▒ndan elde edilen t─▒bbi g├Âr├╝nt├╝lerden olu┼čur. Bu veri k├╝mesi, beyin t├╝m├Âr├╝ tan─▒mlamas─▒n─▒ otomatikle┼čtirmek, erken tan─▒ ve tedavi planlamas─▒na yard─▒mc─▒ olmak i├žin bilgisayarla g├Ârme algoritmalar─▒n─▒ e─čitmek i├žin gereklidir.



─░zle: Ultralytics HUB kullan─▒larak Beyin T├╝m├Âr├╝ Tespiti

Veri K├╝mesi Yap─▒s─▒

Beyin t├╝m├Âr├╝ veri k├╝mesi iki alt k├╝meye ayr─▒lm─▒┼čt─▒r:

  • E─čitim seti: Her birine kar┼č─▒l─▒k gelen ek a├ž─▒klamalar─▒n e┼člik etti─či 893 g├Âr├╝nt├╝den olu┼čur.
  • Test seti: Her biri i├žin ek a├ž─▒klamalar─▒n e┼čle┼čtirildi─či 223 g├Âr├╝nt├╝den olu┼čmaktad─▒r.

Uygulamalar

Bilgisayarl─▒ g├Âr├╝ kullan─▒larak beyin t├╝m├Âr├╝ tespiti uygulamas─▒, erken te┼čhis, tedavi planlamas─▒ ve t├╝m├Âr ilerlemesinin izlenmesini sa─člar. Bilgisayarla g├Ârme sistemleri, MR veya BT taramalar─▒ gibi t─▒bbi g├Âr├╝nt├╝leme verilerini analiz ederek beyin t├╝m├Ârlerinin do─čru bir ┼čekilde tan─▒mlanmas─▒na, zaman─▒nda t─▒bbi m├╝dahaleye ve ki┼čiselle┼čtirilmi┼č tedavi stratejilerine yard─▒mc─▒ olur.

Veri K├╝mesi YAML

Veri k├╝mesi yap─▒land─▒rmas─▒n─▒ tan─▒mlamak i├žin bir YAML (Yet Another Markup Language) dosyas─▒ kullan─▒l─▒r. Veri k├╝mesinin yollar─▒, s─▒n─▒flar─▒ ve di─čer ilgili bilgiler hakk─▒nda bilgi i├žerir. Beyin t├╝m├Âr├╝ veri k├╝mesi s├Âz konusu oldu─čunda brain-tumor.yaml dosyas─▒ ┼ču adreste tutulur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/brain-tumor.yaml.

ultralytics/cfg/datasets/brain-tumor.yaml

# Ultralytics YOLO ­čÜÇ, 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
# ÔöťÔöÇÔöÇ ultralytics
# ÔööÔöÇÔöÇ datasets
#     ÔööÔöÇÔöÇ brain-tumor  ÔćÉ 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://ultralytics.com/assets/brain-tumor.zip

Kullan─▒m

Bir YOLOv8n modelini 640 g├Âr├╝nt├╝ boyutuyla 100 epok i├žin beyin t├╝m├Âr├╝ veri k├╝mesi ├╝zerinde e─čitmek i├žin sa─članan kod par├žac─▒klar─▒n─▒ kullan─▒n. Kullan─▒labilir ba─č─▒ms─▒z de─či┼čkenlerin ayr─▒nt─▒l─▒ bir listesi i├žin modelin E─čitim sayfas─▒na bak─▒n.

Tren ├ľrne─či

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolov8n.pt epochs=100 imgsz=640

├ç─▒kar─▒m ├ľrne─či

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")
# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/brain-tumor-sample.jpg"

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

Beyin t├╝m├Âr├╝ veri k├╝mesi, ├že┼čitli nesne kategorileri ve karma┼č─▒k sahneler i├žeren geni┼č bir g├Âr├╝nt├╝ yelpazesini kapsamaktad─▒r. A┼ča─č─▒da, ilgili a├ž─▒klamalar─▒yla birlikte veri k├╝mesinden g├Âr├╝nt├╝ ├Ârnekleri sunulmu┼čtur

Beyin t├╝m├Âr├╝ veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

  • Mozaiklenmi┼č G├Âr├╝nt├╝: Burada mozaiklenmi┼č veri seti g├Âr├╝nt├╝lerinden olu┼čan bir e─čitim grubu g├Âsterilmektedir. Bir e─čitim tekni─či olan mozaikleme, birden fazla g├Âr├╝nt├╝y├╝ tek bir g├Âr├╝nt├╝de birle┼čtirerek y─▒─č─▒n ├že┼čitlili─čini art─▒r─▒r. Bu yakla┼č─▒m, modelin ├že┼čitli nesne boyutlar─▒, en-boy oranlar─▒ ve ba─člamlar aras─▒nda genelleme yapma kapasitesini geli┼čtirmeye yard─▒mc─▒ olur.

Bu ├Ârnek, beyin t├╝m├Âr├╝ veri k├╝mesindeki g├Âr├╝nt├╝lerin ├že┼čitlili─čini ve karma┼č─▒kl─▒─č─▒n─▒ vurgulamakta ve e─čitim a┼čamas─▒nda mozaiklemenin dahil edilmesinin avantajlar─▒n─▒n alt─▒n─▒ ├žizmektedir.

At─▒flar ve Te┼čekk├╝r

Veri seti AGPL-3.0 Lisans─▒ alt─▒nda kullan─▒ma sunulmu┼čtur.



Created 2024-03-19, Updated 2024-06-02
Authors: glenn-jocher (2), RizwanMunawar (1), Burhan-Q (1)

Yorumlar