Skip to content

脑肿瘤数据集

在 Colab 中打开脑肿瘤数据集

脑肿瘤检测数据集包含来自 MRI 或 CT 扫描的医学图像，其中包含有关脑肿瘤的存在、位置和特征的信息。该数据集对于训练计算机视觉算法以自动识别脑肿瘤至关重要，有助于在医疗保健应用中进行早期诊断和治疗计划。



观看： 使用 Ultralytics HUB 进行脑肿瘤检测

数据集结构

脑肿瘤数据集分为两个子集：

  • 训练集: 包含 893 张图像，每张图像都附有相应的注释。
  • 测试集: 包含 223 张图像，每张图像都配有标注。

该数据集包含两个类别：

  • 阴性：没有脑肿瘤的图像
  • 正例：带有脑肿瘤的图像

应用

使用计算机视觉进行脑肿瘤检测的应用能够实现早期诊断、治疗计划和肿瘤进展监测。通过分析 MRI 或 CT 扫描等医学影像数据，计算机视觉系统可协助准确识别脑肿瘤，从而有助于及时的医疗干预和个性化治疗策略。

医疗专业人员可以利用这项技术来：

  • 缩短诊断时间并提高准确性
  • 通过精确定位肿瘤来辅助手术计划
  • 随时间推移监测治疗效果
  • 支持肿瘤学和神经学研究

数据集 YAML

YAML（Yet Another Markup Language）文件用于定义数据集配置。它包含关于数据集的路径、类和其他相关信息。在脑肿瘤数据集的情况下， brain-tumor.yaml 文件保存在 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

用法

要使用提供的代码片段在脑肿瘤数据集上训练 YOLO11 模型 100 个 epochs，图像大小为 640。有关可用参数的详细列表，请参阅模型的训练页面。

训练示例

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

推理示例

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"

Sample Images 和注释

脑肿瘤数据集包含大量医学图像，其中包含有肿瘤和无肿瘤的脑部扫描。下面展示了数据集中图像的示例，并附有相应的注释。

脑肿瘤数据集样本图像

  • 马赛克图像: 这里展示的是一个包含马赛克数据集图像的训练批次。马赛克处理是一种训练技术，它将多个图像合并为一个图像，从而增强批次的多样性。这种方法有助于提高模型在脑部扫描中对各种肿瘤大小、形状和位置的泛化能力。

此示例突出显示了脑肿瘤数据集中图像的多样性和复杂性，强调了在医学图像分析的训练阶段中加入镶嵌的优势。

引用和致谢

该数据集已根据 AGPL-3.0 许可发布。

如果您在研究或开发工作中使用此数据集，请适当引用：

@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/}
}

常见问题

Ultralytics 文档中提供的大脑肿瘤数据集的结构是什么？

脑肿瘤数据集分为两个子集：训练集包含 893 张带有相应注释的图像，而测试集包含 223 张带有配对注释的图像。这种结构化的划分有助于开发用于检测脑肿瘤的强大而准确的计算机视觉模型。有关数据集结构的更多信息，请访问数据集结构部分。

如何使用 Ultralytics 在脑肿瘤数据集上训练 YOLO11 模型？

您可以使用 Python 和 CLI 两种方法，在脑肿瘤数据集上训练 YOLO11 模型，训练 100 个 epoch，图像大小为 640px。以下是两种方法的示例：

训练示例

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

有关可用参数的详细列表，请参阅训练页面。

在医疗保健领域的人工智能应用中，使用脑肿瘤数据集有哪些好处？

在 AI 项目中使用脑肿瘤数据集能够实现脑肿瘤的早期诊断和治疗计划。它有助于通过计算机视觉自动识别脑肿瘤，从而促进准确及时的医疗干预，并支持个性化的治疗策略。该应用在改善患者预后和医疗效率方面具有巨大的潜力。有关 AI 在医疗保健领域的应用的更多见解，请参阅 Ultralytics' healthcare solutions。

如何在脑肿瘤数据集上使用微调的 YOLO11 模型执行推理？

可以使用 Python 或 CLI 方法，通过微调的 YOLO11 模型进行推理。以下是一些示例：

推理示例

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"

在哪里可以找到脑肿瘤数据集的 YAML 配置？

脑肿瘤数据集的 YAML 配置文件可以在brain-tumor.yaml中找到。此文件包含在此数据集上训练和评估模型所需的路径、类别和其他相关信息。



📅 创建于 1 年前 ✏️ 更新于 5 个月前
glenn-jocher RizwanMunawar UltralyticsAssistant MatthewNoyce Burhan-Q

评论