Beyin Tümörü Veri Kümesi

Bir beyin tümörü tespit veri kümesi, beyin tümörünün varlığı, konumu ve özellikleri hakkında bilgi içeren MR veya BT taramalarından elde edilen tıbbi görüntülerden oluşur. Bu veri kümesi, beyin tümörü tanımlamasını otomatikleştirmek için bilgisayar görüşü algoritmalarını eğitmek, sağlık uygulamalarında erken teşhis ve tedavi planlamasına yardımcı olmak için gereklidir.

İzle: Ultralytics HUB kullanarak Beyin Tümörü Tespiti

Veri Seti Yapısı

Beyin tümörü veri kümesi iki alt kümeye ayrılmıştır:

• Eğitim seti: Her biri karşılık gelen açıklamalarla birlikte 893 görüntüden oluşur.
• Test seti: Her biri için eşleştirilmiş açıklamalarla birlikte 223 görüntüden oluşur.

Veri kümesi iki sınıf içerir:

• Negatif: Beyin tümörü olmayan görüntüler
• Pozitif: Beyin tümörleri olan görüntüler

Uygulamalar

Bilgisayar görüşü kullanılarak beyin tümörü tespiti uygulaması, erken teşhis, tedavi planlaması ve tümör ilerlemesinin izlenmesini sağlar. MRI veya BT taramaları gibi tıbbi görüntüleme verilerini analiz ederek, bilgisayar görüşü sistemleri beyin tümörlerini doğru bir şekilde tanımlamaya yardımcı olur ve zamanında tıbbi müdahale ve kişiselleştirilmiş tedavi stratejilerine yardımcı olur.

Tıp uzmanları bu teknolojiden şu amaçlarla yararlanabilir:

• Tanılama süresini kısaltın ve doğruluğu artırın
• Tümörleri hassas bir şekilde konumlandırarak cerrahi planlamaya yardımcı olun
• Tedavi etkinliğini zaman içinde izleyin
• Onkoloji ve nöroloji alanındaki araştırmaları destekleyin

Veri Seti YAML

Bir YAML (Yet Another Markup Language) dosyası, veri seti yapılandırmasını tanımlamak için kullanılır. Veri setinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgiler içerir. Beyin tümörü veri seti söz konusu olduğunda, brain-tumor.yaml dosyası şu adreste tutulur: https://github.com/ultralytics/ultralytics/blob/main/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

Kullanım

640 görüntü boyutuyla beyin tümörü veri kümesi üzerinde 100 epok için bir YOLO11 modeli eğitmek için, sağlanan kod parçacıklarını kullanın. Mevcut argümanların ayrıntılı bir listesi için modelin Eğitim sayfasına bakın.

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

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"

Örnek Görüntüler ve Açıklamalar

Beyin tümörü veri seti, tümörlü ve tümörsüz beyin taramalarını içeren çok çeşitli tıbbi görüntüleri kapsar. Aşağıda, veri setinden alınan görüntülerin ve bunlara ait açıklamaların örnekleri sunulmuştur.

• Mozaiklenmiş Görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubu görüntülenmektedir. Bir eğitim tekniği olan mozaikleme, birden çok görüntüyü tek bir görüntüde birleştirerek grup çeşitliliğini artırır. Bu yaklaşım, modelin beyin taramalarındaki çeşitli tümör boyutları, şekilleri ve konumları genelinde genelleme kapasitesini geliştirmeye yardımcı olur.

Bu örnek, beyin tümörü veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını vurgulayarak, tıbbi görüntü analizi için eğitim aşamasında mozaiklemeyi dahil etmenin avantajlarının altını çiziyor.

Alıntılar ve Teşekkürler

Veri kümesi, AGPL-3.0 Lisansı altında kullanıma sunulmuştur.

Bu veri kümesini araştırma veya geliştirme çalışmalarınızda kullanırsanız, lütfen uygun şekilde atıfta bulunun:

@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/}
}

SSS

Ultralytics belgelerinde bulunan beyin tümörü veri kümesinin yapısı nasıldır?

Beyin tümörü veri kümesi iki alt kümeye ayrılmıştır: eğitim seti, karşılık gelen açıklamalarla birlikte 893 görüntüden oluşurken, test seti eşleştirilmiş açıklamalarla birlikte 223 görüntüden oluşur. Bu yapılandırılmış bölüm, beyin tümörlerini tespit etmek için sağlam ve doğru bilgisayarlı görü modelleri geliştirmeye yardımcı olur. Veri kümesi yapısı hakkında daha fazla bilgi için Veri Kümesi Yapısı bölümünü ziyaret edin.

Ultralytics kullanarak beyin tümörü veri kümesi üzerinde nasıl bir YOLO11 modeli eğitebilirim?

Hem Python hem de CLI yöntemlerini kullanarak 640px'lik bir görüntü boyutuyla beyin tümörü veri kümesi üzerinde 100 epoch için bir YOLO11 modeli eğitebilirsiniz. Aşağıda her ikisi için de örnekler bulunmaktadır:

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

Mevcut argümanların ayrıntılı bir listesi için Eğitim sayfasına bakın.

Sağlık hizmetlerinde yapay zeka için beyin tümörü veri setini kullanmanın faydaları nelerdir?

Yapay zeka projelerinde beyin tümörü veri kümesini kullanmak, beyin tümörlerinin erken teşhisini ve tedavi planlamasını mümkün kılar. Bilgisayarlı görü yoluyla beyin tümörü tanımlamasının otomatikleştirilmesine, doğru ve zamanında tıbbi müdahalelerin kolaylaştırılmasına ve kişiselleştirilmiş tedavi stratejilerinin desteklenmesine yardımcı olur. Bu uygulama, hasta sonuçlarını ve tıbbi verimliliği iyileştirme konusunda önemli bir potansiyele sahiptir. Sağlık hizmetlerinde yapay zeka uygulamaları hakkında daha fazla bilgi için Ultralytics'in sağlık çözümleri bölümüne bakın.

İnce ayarlı bir YOLO11 modelini beyin tümörü veri seti üzerinde kullanarak çıkarımı nasıl gerçekleştiririm?

İnce ayarlı bir YOLO11 modeli kullanılarak çıkarım, Python veya CLI yaklaşımlarıyla gerçekleştirilebilir. İşte örnekler:

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"

Beyin tümörü veri seti için YAML yapılandırmasını nerede bulabilirim?

Beyin tümörü veri kümesi için YAML yapılandırma dosyası brain-tumor.yaml adresinde bulunabilir. Bu dosya, bu veri kümesi üzerinde modelleri eğitmek ve değerlendirmek için gerekli olan yolları, sınıfları ve diğer ilgili bilgileri içerir.

📅 1 yıl önce oluşturuldu ✏️ 4 ay önce güncellendi

Yorumlar