Bộ dữ liệu khối u não

Bộ dữ liệu phát hiện khối u não bao gồm các hình ảnh y tế từ quét MRI hoặc CT, chứa thông tin về sự hiện diện, vị trí và đặc điểm của khối u não. Bộ dữ liệu này rất cần thiết cho việc đào tạo các thuật toán thị giác máy tính để tự động xác định khối u não, hỗ trợ chẩn đoán sớm và lập kế hoạch điều trị.

Xem: Phát hiện khối u não bằng cách sử dụng Ultralytics Trung tâm

Cấu trúc tập dữ liệu

Bộ dữ liệu khối u não được chia thành hai tập hợp con:

• Bộ đào tạo: Bao gồm 893 hình ảnh, mỗi hình ảnh đi kèm với các chú thích tương ứng.
• Bộ thử nghiệm: Bao gồm 223 hình ảnh, với các chú thích được ghép nối cho mỗi hình ảnh.

Ứng dụng

Việc áp dụng phát hiện khối u não bằng thị giác máy tính cho phép chẩn đoán sớm, lập kế hoạch điều trị và theo dõi sự tiến triển của khối u. Bằng cách phân tích dữ liệu hình ảnh y tế như quét MRI hoặc CT, hệ thống thị giác máy tính hỗ trợ xác định chính xác các khối u não, hỗ trợ can thiệp y tế kịp thời và các chiến lược điều trị cá nhân hóa.

Tập dữ liệu YAML

Tệp YAML (Yet Another Markup Language) được sử dụng để xác định cấu hình tập dữ liệu. Nó chứa thông tin về đường dẫn, lớp và thông tin liên quan khác của tập dữ liệu. Trong trường hợp bộ dữ liệu khối u não, các brain-tumor.yaml Tệp được duy trì tại 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

Sử dụng

Để đào tạo một YOLOv8n Mô hình trên bộ dữ liệu khối u não cho 100 kỷ nguyên với kích thước hình ảnh là 640, sử dụng các đoạn mã được cung cấp. Để biết danh sách chi tiết các đối số có sẵn, hãy tham khảo trang Đào tạo của mô hình.

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

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"

Hình ảnh mẫu và chú thích

Bộ dữ liệu khối u não bao gồm một loạt các hình ảnh có các loại đối tượng đa dạng và các cảnh phức tạp. Trình bày dưới đây là các ví dụ về hình ảnh từ tập dữ liệu, kèm theo các chú thích tương ứng của chúng

• Hình ảnh khảm: Hiển thị ở đây là một lô đào tạo bao gồm các hình ảnh tập dữ liệu được khảm. Khảm, một kỹ thuật đào tạo, hợp nhất nhiều hình ảnh thành một, tăng cường sự đa dạng hàng loạt. Cách tiếp cận này hỗ trợ cải thiện khả năng của mô hình để khái quát hóa trên các kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau.

Ví dụ này làm nổi bật sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu khối u não, nhấn mạnh những lợi thế của việc kết hợp khảm trong giai đoạn đào tạo.

Trích dẫn và xác nhận

Tập dữ liệu đã được phát hành có sẵn theo AGPL-3.0 Giấy phép.

FAQ

Cấu trúc của bộ dữ liệu khối u não có sẵn trong là gì Ultralytics tư liệu?

Bộ dữ liệu khối u não được chia thành hai tập hợp con: bộ đào tạo bao gồm 893 hình ảnh với các chú thích tương ứng, trong khi bộ thử nghiệm bao gồm 223 hình ảnh với các chú thích được ghép nối. Sự phân chia có cấu trúc này hỗ trợ phát triển các mô hình thị giác máy tính mạnh mẽ và chính xác để phát hiện các khối u não. Để biết thêm thông tin về cấu trúc tập dữ liệu, hãy truy cập phần Cấu trúc tập dữ liệu .

Làm thế nào tôi có thể đào tạo một YOLOv8 Mô hình trên tập dữ liệu khối u não bằng cách sử dụng Ultralytics?

Bạn có thể đào tạo một YOLOv8 Mô hình trên bộ dữ liệu khối u não cho 100 kỷ nguyên với kích thước hình ảnh 640px bằng cả hai Python và CLI Phương pháp. Dưới đây là các ví dụ cho cả hai:

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

Để biết danh sách chi tiết các đối số có sẵn, hãy tham khảo trang Đào tạo .

Lợi ích của việc sử dụng bộ dữ liệu khối u não cho AI trong chăm sóc sức khỏe là gì?

Sử dụng bộ dữ liệu 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 giúp tự động hóa việc xác định khối u não thông qua thị giác máy tính, tạo điều kiện cho các can thiệp y tế chính xác và kịp thời, đồng thời hỗ trợ các chiến lược điều trị cá nhân hóa. Ứng dụng này có tiềm năng đáng kể trong việc cải thiện kết quả của bệnh nhân và hiệu quả y tế.

Làm cách nào để thực hiện suy luận bằng cách sử dụng tinh chỉnh YOLOv8 Mô hình trên bộ dữ liệu khối u não?

Suy luận bằng cách sử dụng tinh chỉnh YOLOv8 Mô hình có thể được thực hiện với một trong hai Python hoặc CLI Phương pháp. Dưới đây là các ví dụ:

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"

Tôi có thể tìm cấu hình YAML cho tập dữ liệu khối u não ở đâu?

Tệp cấu hình YAML cho bộ dữ liệu khối u não có thể được tìm thấy tại brain-tumor.yaml. Tệp này bao gồm đường dẫn, lớp học và thông tin liên quan bổ sung cần thiết để đào tạo và đánh giá các mô hình trên tập dữ liệu này.

Ý kiến