跳至内容

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

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

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"

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

脑肿瘤数据集样本图像

  • 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。



创建于 2024-03-19，更新于 2024-04-02
作者：Burhan-Q(1)、RizwanMunawar(1)

评论