脑肿瘤数据集
脑肿瘤检测数据集由核磁共振成像或 CT 扫描的医学图像组成,其中包含有关脑肿瘤存在、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,有助于早期诊断和治疗规划。
数据集结构
脑肿瘤数据集分为两个子集:
- 训练集:由 893 幅图像组成,每幅图像都附有相应的注释。
- 测试集:包括 223 张图像,每张图像都有配对的注释。
应用
利用计算机视觉进行脑肿瘤检测可实现早期诊断、制定治疗计划和监测肿瘤进展。通过分析核磁共振成像或 CT 扫描等医学影像数据,计算机视觉系统可帮助准确识别脑肿瘤,有助于及时采取医疗干预措施和个性化治疗策略。
数据集 YAML
YAML(另一种标记语言)文件用于定义数据集配置。它包含数据集的路径、类和其他相关信息。以脑肿瘤数据集为例,YAML 文件中的 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 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://ultralytics.com/assets/brain-tumor.zip
使用方法
要在图像大小为 640 的脑肿瘤数据集上训练YOLOv8n 模型 100 次,请使用所提供的代码片段。有关可用参数的详细列表,请查阅模型的 "训练"页面。
列车示例
推理示例
图片和注释示例
脑肿瘤数据集包含大量图像,具有不同的对象类别和复杂的场景。以下是数据集中的图像示例,并附有各自的注释
- 镶嵌图像:这里显示的是由镶嵌数据集图像组成的训练批次。马赛克是一种训练技术,可将多幅图像合并为一幅,从而增强批次的多样性。这种方法有助于提高模型在不同物体尺寸、长宽比和环境下的泛化能力。
这个例子凸显了脑肿瘤数据集中图像的多样性和复杂性,强调了在训练阶段加入镶嵌技术的优势。
引文和致谢
该数据集根据AGPL-3.0 许可发布。