Link to this sectionBộ dữ liệu khối u não#

Name: Brain Tumor Detection Dataset
Creator: Ultralytics
License: https://www.ultralytics.com/license
Keywords: bộ dữ liệu khối u não, chụp MRI, chụp CT, phát hiện khối u não, hình ảnh y tế, AI trong chăm sóc sức khỏe, computer vision, object detection, YOLO26, chẩn đoán sớm

Tập dữ liệu Ultralytics Brain Tumor là một tập dữ liệu object detection gồm 1.116 ảnh y tế (893 ảnh huấn luyện và 223 ảnh kiểm thử) từ các bản quét MRI và CT, được gán nhãn theo 2 lớp: negative (không có khối u) và positive (có khối u). Tập dữ liệu này cho phép bạn huấn luyện các mô hình computer vision để xác định vị trí khối u não trong các bản quét, hỗ trợ chẩn đoán sớm và lập kế hoạch điều trị trong các healthcare applications.

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

Link to this sectionCấu trúc tập dữ liệu#

Tập dữ liệu về khối u não chứa 1.116 hình ảnh được chia thành hai tập con định sẵn, được xác định bởi cấu hình brain-tumor.yaml:

Split	Hình ảnh	Chú thích
Huấn luyện (Train)	893	Có
Validation	223	Có

Mỗi hình ảnh được gán nhãn với một trong 2 lớp:

negative: hình ảnh không có khối u não
positive: hình ảnh cho thấy có khối u não

Tập dữ liệu tự động tải xuống (4,21 MB) từ tài nguyên GitHub của Ultralytics vào lần đầu tiên bạn huấn luyện, vì vậy không cần thiết lập thủ công.

Khám phá Brain Tumor on Ultralytics Platform để duyệt qua các hình ảnh cùng với các lớp phủ chú thích của chúng, xem phân bổ lớp và bản đồ nhiệt bounding-box trong tab Charts, và sao chép nó để huấn luyện mô hình của riêng bạn trên đám mây.

Link to this sectionỨng dụng#

Phát hiện khối u não bằng computer vision cho phép early diagnosis, lập kế hoạch điều trị và theo dõi tiến triển của khối u. Bằng cách phân tích các bản quét MRI hoặc CT, các mô hình phát hiện xác định vị trí khối u một cách chính xác, hỗ trợ can thiệp y tế kịp thời và điều trị cá nhân hóa.

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

Giảm 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 bướu và thần kinh học

Link to this sectionYAML tập dữ liệu#

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

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 sectionCách sử dụng#

Để train một model YOLO26 trên tập dữ liệu u não trong 100 epochs với kích thước ảnh là 640, hãy sử dụng các đoạn code được cung cấp. Để biết danh sách chi tiết các đối số khả dụng, hãy tham khảo trang Training của model.

Ví dụ về Training

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)

Ví dụ về Inference

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 sectionHình ảnh mẫu và chú thích#

Tập dữ liệu khối u não chứa các bản quét não MRI và CT có và không có khối u. Dưới đây là một ví dụ về hình ảnh từ tập dữ liệu với các chú thích của nó.

Hình ảnh mẫu bộ dữ liệu khối u não

Mosaiced Image: Batch huấn luyện này hiển thị các hình ảnh tập dữ liệu đã được mosaiced. Kỹ thuật Mosaic kết hợp nhiều hình ảnh thành một trong quá trình huấn luyện, làm tăng sự đa dạng của batch để mô hình tổng quát hóa tốt hơn trên các kích thước, hình dạng và vị trí khối u khác nhau cho medical image analysis.

Link to this sectionTrích dẫn và Ghi nhận#

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

Nếu bạn sử dụng bộ dữ liệu này trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn nó một cách phù hợp:

Trích dẫn

@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 sectionCâu hỏi thường gặp#

Link to this sectionCấu trúc của bộ dữ liệu khối u não có sẵn trong tài liệu Ultralytics là gì?#

Tập dữ liệu khối u não chứa 1.116 hình ảnh được chia thành hai tập con: một training set gồm 893 hình ảnh và một validation set gồm 223 hình ảnh, mỗi hình ảnh đều có chú thích đi kèm. Sự phân chia có cấu trúc này hỗ trợ việc phát triển các mô hình computer vision mạnh mẽ và chính xác để phát hiện khối u não. Để biết thêm thông tin, hãy xem phần Dataset Structure.

Link to this sectionTập dữ liệu khối u não chứa những lớp nào?#

Tập dữ liệu khối u não có 2 lớp: negative (hình ảnh không có khối u não) và positive (hình ảnh cho thấy có khối u não). Việc gán nhãn nhị phân này cho phép mô hình phát hiện vừa định vị khối u, vừa đánh dấu các bản quét không có khối u.

Link to this sectionLàm cách nào để tải xuống tập dữ liệu khối u não?#

Tập dữ liệu khối u não (4,21 MB) tự động tải xuống từ tài nguyên GitHub của Ultralytics vào lần đầu tiên bạn huấn luyện với data="brain-tumor.yaml" — không cần tải xuống thủ công. Bạn có thể duyệt qua các tập dữ liệu liên quan trong detection datasets overview.

Link to this sectionLàm thế nào để tôi có thể huấn luyện model YOLO26 trên bộ dữ liệu khối u não bằng Ultralytics?#

Bạn có thể huấn luyện model YOLO26 trên bộ dữ liệu khối u não trong 100 epoch với kích thước ảnh 640px bằng cách sử dụng cả phương pháp Python và CLI. Dưới đây là các ví dụ cho cả hai:

Ví dụ về Training

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)

Để biết danh sách chi tiết các tham số khả dụng, hãy tham khảo trang Training.

Link to this sectionNhững lợi ích của việc sử dụng bộ dữ liệu khối u não cho AI trong chăm sóc sức khỏe là gì?#

Việc sử dụng dataset khối u não trong các dự án AI cho phép chẩn đoán sớm và lập kế hoạch điều trị cho các khối u não. Nó hỗ trợ tự động hóa việc nhận diện khối u não thông qua computer vision, tạo điều kiện cho các can thiệp y tế chính xác, kịp thời và hỗ trợ các chiến lược điều trị cá nhân hóa. Ứng dụng này mang lại tiềm năng đáng kể trong việc cải thiện kết quả điều trị cho bệnh nhân và tăng hiệu quả y tế. Để biết thêm thông tin về các ứng dụng AI trong chăm sóc sức khỏe, hãy xem các giải pháp chăm sóc sức khỏe của Ultralytics.

Link to this sectionLàm thế nào để tôi thực hiện suy luận (inference) bằng model YOLO26 đã được tinh chỉnh trên bộ dữ liệu khối u não?#

Suy luận bằng model YOLO26 đã tinh chỉnh có thể được thực hiện bằng phương pháp Python hoặc CLI. Dưới đây là các ví dụ: