Bộ dữ liệu khối u não#

1,116

brain tumor

ultralytics

publicDetect

Brain Tumor is a compact MRI collection for localization-oriented medical imaging. Bounding-box labels distinguish positive and negative tumor targets, supporting experiments in lesion detection across varied brain anatomy, scan contrast, tumor appearance, and background tissue.

62 classes9.5 MBSep 2, 2026

negativepositive

Bộ dữ liệu khối u não của Ultralytics là bộ dữ liệu phát hiện đối tượng gồm 1.116 hình ảnh y tế (893 hình ảnh dùng cho huấn luyện và 223 hình ảnh dùng cho validation) từ ảnh MRI và CT, được gán nhãn theo 2 lớp: negative (không có khối u) và positive (có khối u). Bộ dữ liệu cho phép bạn huấn luyện model thị giác máy tính để xác định vị trí khối u não trên ảnh chụp, hỗ trợ chẩn đoán sớm và lập kế hoạch điều trị trong các ứng dụng chăm sóc sức khỏe.

Cấu trúc dataset#

Bộ dữ liệu khối u não chứa 1.116 hình ảnh được chia thành hai tập con xác định trước, theo cấu hình brain-tumor.yaml:

Mỗi hình ảnh được gán một trong 2 lớp:

• negative: hình ảnh không có khối u não
• positive: hình ảnh có khối u não

Bộ dữ liệu được tự động tải xuống (4.21 MB) từ tài nguyên GitHub của Ultralytics trong lần đầu tiên bạn huấn luyện, vì vậy không cần thiết lập thủ công.

Khám phá Brain Tumor trên Ultralytics Platform để duyệt hình ảnh cùng các lớp phủ annotation, xem phân bố lớp và heatmap BBox trong tab Charts, cũng như sao chép bộ dữ liệu để huấn luyện model của riêng bạn trên cloud.

Ứng dụng#

Phát hiện khối u não bằng thị giác máy tính hỗ trợ chẩn đoán sớm, lập kế hoạch điều trị và theo dõi tiến triển của khối u. Bằng cách phân tích ảnh MRI hoặc CT, các model phát hiện xác định chính xác vị trí khối u, hỗ trợ can thiệp y tế kịp thời và điều trị cá nhân hóa.

Chuyên gia y tế có thể tận dụng công nghệ này để:

• Rút ngắn thời gian chẩn đoán và cải thiện độ chính xác
• Hỗ trợ lập kế hoạch phẫu thuật bằng cách xác định chính xác vị trí khối u
• Theo dõi hiệu quả điều trị theo thời gian
• Hỗ trợ nghiên cứu về ung thư học và thần kinh học

YAML của dataset#

Tệp YAML định nghĩa cấu hình bộ dữ liệu, bao gồm đường dẫn, lớp và các thông tin liên quan khác. Đối với bộ dữ liệu khối u não, tệp brain-tumor.yaml được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/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

Cách sử dụng#

Để huấn luyện model YOLO26 trên bộ dữ liệu khối u não trong 100 epoch với kích thước ảnh 640, hãy sử dụng các đoạn mã được cung cấp. Để xem danh sách chi tiết các đối số hiện có, tham khảo trang Huấn luyện của model.

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n.pt")  # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện)

# Huấn luyện model
results = model.train(data="brain-tumor.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Tải model
model = YOLO("path/to/best.pt")  # tải model đã tinh chỉnh trên brain-tumor

# Suy luận bằng model
results = model.predict("https://ultralytics.com/assets/brain-tumor-sample.jpg")

Hình ảnh mẫu và annotation#

Bộ dữ liệu khối u não chứa ảnh chụp MRI và CT não có và không có khối u. Dưới đây là hình ảnh mẫu từ bộ dữ liệu cùng với các annotation.

• Ảnh ghép Mosaic: Batch huấn luyện này hiển thị các hình ảnh bộ dữ liệu đã được ghép mosaic. Phương pháp mosaic kết hợp nhiều hình ảnh thành một trong quá trình huấn luyện, tăng tính đa dạng của batch để model tổng quát hóa tốt hơn trên các khối u có kích thước, hình dạng và vị trí khác nhau trong phân tích ảnh y tế.

Trích dẫn và lời cảm ơn#

Bộ dữ liệu được cung cấp theo Giấy phép AGPL-3.0.

Nếu sử dụng bộ dữ liệu này trong nghiên cứu hoặc công việc phát triển, vui lòng trích dẫn phù hợp:

@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}
}

Câu hỏi thường gặp#