Beyin Tümörü Veri Kümesi

Bir beyin tümörü tespit veri kümesi, beyin tümörünün varlığı, konumu ve özellikleri hakkında bilgi içeren MRI veya CT taramalarından elde edilen tıbbi görüntülerden oluşur. Bu veri kümesi, beyin tümörü tanımlamasını otomatikleştirmek, erken tanı ve tedavi planlamasına yardımcı olmak için bilgisayarla görme algoritmalarını eğitmek için gereklidir.

İzle: Ultralytics HUB kullanılarak Beyin Tümörü Tespiti

Veri Kümesi Yapısı

Beyin tümörü veri kümesi iki alt kümeye ayrılmıştır:

• Eğitim seti: Her biri ilgili ek açıklamalarla birlikte 893 görüntüden oluşur.
• Test seti: Her biri için ek açıklamaların eşleştirildiği 223 görüntüden oluşmaktadır.

Uygulamalar

Bilgisayarlı görü kullanılarak beyin tümörü tespiti uygulaması, erken teşhis, tedavi planlaması ve tümör ilerlemesinin izlenmesini sağlar. Bilgisayarla görme sistemleri, MR veya BT taramaları gibi tıbbi görüntüleme verilerini analiz ederek beyin tümörlerinin doğru bir şekilde tanımlanmasına, zamanında tıbbi müdahaleye ve kişiselleştirilmiş tedavi stratejilerine yardımcı olur.

Veri Kümesi YAML

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. Beyin tümörü veri kümesi söz konusu olduğunda brain-tumor.yaml dosyası şu adreste tutulur https://github.com/ultralytics/ultralytics/blob/main/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

Kullanım

Bir YOLO11n modelini 640 görüntü boyutuyla 100 epok için beyin tümörü veri kümesi üzerinde eğitmek için sağlanan kod parçacıklarını kullanın. Kullanılabilir bağımsız değişkenlerin ayrıntılı bir listesi için modelin Eğitim sayfasına bakın.

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="brain-tumor.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt 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")

# 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"

Örnek Görüntüler ve Açıklamalar

Beyin tümörü veri kümesi, çeşitli nesne kategorileri ve karmaşık sahneler içeren geniş bir görüntü yelpazesini kapsamaktadır. Aşağıda, ilgili açıklamalarıyla birlikte veri kümesinden görüntü örnekleri sunulmuştur

• Mozaiklenmiş Görüntü: Burada mozaiklenmiş veri seti görüntülerinden oluşan bir eğitim grubu gösterilmektedir. Bir eğitim tekniği olan mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek yığın çeşitliliğini artırır. Bu yaklaşım, modelin çeşitli nesne boyutları, en-boy oranları ve bağlamlar arasında genelleme yapma kapasitesini geliştirmeye yardımcı olur.

Bu örnek, beyin tümörü veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını vurgulamakta ve eğitim aşamasında mozaiklemenin dahil edilmesinin avantajlarının altını çizmektedir.

Atıflar ve Teşekkür

Veri seti AGPL-3.0 Lisansı altında kullanıma sunulmuştur.

SSS

Ultralytics dokümantasyonunda bulunan beyin tümörü veri setinin yapısı nedir?

Beyin tümörü veri kümesi iki alt kümeye ayrılmıştır: eğitim kümesi karşılık gelen ek açıklamalara sahip 893 görüntüden oluşurken, test kümesi eşleştirilmiş ek açıklamalara sahip 223 görüntüden oluşmaktadır. Bu yapılandırılmış bölüm, beyin tümörlerini tespit etmek için sağlam ve doğru bilgisayarla görme modellerinin geliştirilmesine yardımcı olur. Veri kümesi yapısı hakkında daha fazla bilgi için Veri Kümesi Yapısı bölümünü ziyaret edin.

Ultralytics kullanarak beyin tümörü veri kümesi üzerinde bir YOLO11 modelini nasıl eğitebilirim?

Hem Python hem de CLI yöntemlerini kullanarak 640 piksellik bir görüntü boyutuyla 100 epok için beyin tümörü veri kümesinde bir YOLO11 modelini eğitebilirsiniz. Aşağıda her ikisi için de örnekler bulunmaktadır:

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="brain-tumor.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo11n.pt epochs=100 imgsz=640

Kullanılabilir argümanların ayrıntılı bir listesi için Eğitim sayfasına bakın.

Sağlık hizmetlerinde yapay zeka için beyin tümörü veri setini kullanmanın faydaları nelerdir?

Beyin tümörü veri setinin yapay zeka projelerinde kullanılması, beyin tümörleri için erken teşhis ve tedavi planlamasına olanak sağlar. Bilgisayarla görme yoluyla beyin tümörü tanımlamasının otomatikleştirilmesine, doğru ve zamanında tıbbi müdahalelerin kolaylaştırılmasına ve kişiselleştirilmiş tedavi stratejilerinin desteklenmesine yardımcı olur. Bu uygulama, hasta sonuçlarının ve tıbbi verimliliğin iyileştirilmesinde önemli bir potansiyele sahiptir.

Beyin tümörü veri setinde ince ayarlı bir YOLO11 modeli kullanarak nasıl çıkarım yapabilirim?

İnce ayarlı bir YOLO11 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")

# 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"

Beyin 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 yolları, sınıfları ve ilgili ek bilgileri içerir.

📅 8 ay önce oluşturuldu ✏️ 2 ay önce güncellendi

Yorumlar