Link to this section脑肿瘤数据集#

Name: 脑肿瘤检测数据集
Creator: Ultralytics
License: https://www.ultralytics.com/license
Keywords: 脑肿瘤数据集, MRI 扫描, CT 扫描, 脑肿瘤检测, 医学影像, 医疗保健中的 AI, 计算机视觉, 目标检测, YOLO26, 早期诊断

Ultralytics Brain Tumor 数据集是一个包含 1,116 张医学图像（893 张用于训练，223 张用于验证）的目标检测数据集，来自 MRI 和 CT 扫描，标注为 2 个类别：negative（无肿瘤）和 positive（存在肿瘤）。它支持你训练计算机视觉模型来定位扫描图像中的脑肿瘤，从而辅助医疗应用中的早期诊断和治疗计划。

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

Link to this section数据集结构#

该脑肿瘤数据集包含 1,116 张图像，由 brain-tumor.yaml 配置文件划分为两个预定义的子集：

拆分	图像	注释
训练	893	是
验证	223	是

每张图像都标注了以下 2 个类别之一：

negative：没有脑肿瘤的图像
positive：显示有脑肿瘤的图像

该数据集会在你首次训练时从 Ultralytics GitHub 资源自动下载（4.21 MB），因此无需手动设置。

探索 Ultralytics Platform 上的 Brain Tumor，以浏览带有标注覆盖层的图像，在 Charts 选项卡中查看类别分布和边界框热力图，并将其克隆到云端以训练你自己的模型。

Link to this section应用#

利用计算机视觉进行脑肿瘤检测有助于实现早期诊断、治疗计划制定和肿瘤进展监测。通过分析 MRI 或 CT 扫描，检测模型可以准确定位肿瘤，支持及时的医疗干预和个性化治疗。

医疗专业人员可以利用此技术来：

减少诊断时间并提高准确性
通过精确定位肿瘤来辅助手术规划
监测治疗在一段时间内的有效性
支持肿瘤学和神经学研究

Link to this section数据集 YAML#

YAML 文件定义了数据集配置，包括路径、类别和其他相关信息。对于脑肿瘤数据集，brain-tumor.yaml 文件托管在 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

Link to this section用法#

若要使用脑肿瘤数据集训练一个 YOLO26 模型，设置训练轮次（epochs）为 100 且图像尺寸为 640，请使用提供的代码片段。有关可用参数的详细列表，请查阅模型的训练页面。

训练示例

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)

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")

Link to this section样本图像和标注#

脑肿瘤数据集包含有或无肿瘤的 MRI 和 CT 脑部扫描图像。以下是来自该数据集的标注图像示例。

脑肿瘤数据集示例图像

马赛克图像：此训练批次展示了马赛克处理后的数据集图像。马赛克（Mosaicing）在训练期间将多张图像合并为一张，增加了批次的多样性，从而使模型在处理不同肿瘤大小、形状和位置时具有更好的泛化能力，适用于医学图像分析。

Link to this section引用与致谢#

该数据集根据 AGPL-3.0 许可证发布。

如果你在研究或开发工作中使用此数据集，请进行适当引用：

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/}
}

Link to this section常见问题解答#

Link to this sectionUltralytics 文档中提供的脑肿瘤数据集结构是什么？#

脑肿瘤数据集包含 1,116 张图像，分为两个子集：一个由 893 张图像组成的训练集和一个由 223 张图像组成的验证集，每张图像都有成对的标注。这种结构化划分支持开发稳健且准确的脑肿瘤检测计算机视觉模型。更多信息，请参阅 Dataset Structure 部分。