用 Ultralytics YOLO 训练脑肿瘤检测模型：Brain Tumor 数据集结构与 YOLO26 实战指南

本文以 Ultralytics 官方文档中的 Brain Tumor（脑肿瘤）检测数据集为主线，完整覆盖数据集的结构、类别划分、YAML 配置定义，以及使用 YOLO26 完成 100 个 epoch 训练与微调模型推理的 Python / CLI 两种实操方式。结合 brain-tumor.yaml 与框架中数据集加载源码，读者可以掌握医学影像目标检测从配置解析、自动下载数据到训练、验证和推理的完整链路。

一、数据集概述：1,116 张 MRI/CT 医学影像

Ultralytics 的 Brain Tumor 数据集是一个面向医疗影像的目标检测数据集，包含 1,116 张医学影像（MRI 磁共振与 CT 扫描），分为两个预定义的子集：

子集	图像数	标注
Train（训练集）	893	有
Validation（验证集）	223	有

每张图像标注两个类别之一：

• negative：无脑肿瘤的图像
• positive：显示存在脑肿瘤的图像

这种二分类标注方式让检测模型既能定位肿瘤位置，也能标记未出现肿瘤的扫描图像。

该数据集支持的应用场景包括：

• 早期诊断：通过计算机视觉自动定位肿瘤，辅助医生尽早发现病灶；
• 治疗规划：精确定位肿瘤以辅助手术规划；
• 疗效监测：纵向追踪治疗过程中肿瘤变化；
• 医学研究：支撑肿瘤学与神经科学领域的科研分析。

数据集在首次使用 data="brain-tumor.yaml" 训练时会自动下载（约 4.21 MB），无需任何手动准备。数据集在 LICENSE 声明的 AGPL-3.0 许可下提供。

二、Dataset YAML：数据集配置的完整定义

所有关键配置都定义在 ultralytics/cfg/datasets/brain-tumor.yaml 中，文件内容如下：

# 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

各配置项含义：

配置项	取值	说明
path	brain-tumor	数据集根目录名。相对路径会解析到全局数据集目录（DATASETS_DIR，默认为 datasets/ 下）
train	images/train	训练图像目录，相对 path，含 893 张图
val	images/val	验证图像目录，相对 path，含 223 张图
names	0: negative、1: positive	类别索引到名称的映射，nc 由框架自动推导为 2
download	assets 的 zip 地址	数据缺失时的自动下载地址

框架如何解析这份 YAML

训练入口在 ultralytics/engine/trainer.py 的 BaseTrainer.get_dataset() 中：当 task 为 detect 时，调用 check_det_dataset(self.args.data) 完成数据集的检查与解析。

check_det_dataset 的核心逻辑位于 ultralytics/data/utils.py，对本文档中的 brain-tumor.yaml 而言，关键行为有：

1. 裸名称自动补全：传入 data="brain-tumor" 时会自动尝试补为 brain-tumor.yaml（源码中允许 coco8 -> coco8.yaml 这类写法）；
2. 字段校验：要求 train 与 val 两个键必须存在，names 与 nc 至少提供其一，并保证两者长度一致——brain-tumor.yaml 只提供 names，框架自动设置 data["nc"] = len(data["names"]) 即 2；
3. 路径解析：若 path 是相对路径且本地不存在，会回落到 DATASETS_DIR（由 SETTINGS["datasets_dir"] 决定，见 ultralytics/utils/init.py），并把 train/val 拼接为绝对路径；
4. 自动下载：当验证集路径不存在且 download 字段以 http 开头、以 .zip 结尾时，调用 safe_download 下载并解压到 DATASETS_DIR——这就是文档所说"首次训练自动下载 4.21 MB"的实现来源；
5. 字体检查：按 names 是否为纯 ASCII 选择下载 Arial.ttf 或 Arial.Unicode.ttf，用于后续结果可视化。

因此整个数据集"零手动安装"的体验，本质上是 YAML 的 path + download 两个字段与上述加载逻辑配合的结果。

三、训练 YOLO26：Python 与 CLI 两种用法

官方文档给出的标准训练配置是：100 个 epoch、图像尺寸 640，使用预训练权重 yolo26n.pt 启动训练（预训练模型对医学影像这类小数据集尤为重要）。

Python 方式

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)

CLI 方式

# Start training from a pretrained *.pt model
yolo detect train data=brain-tumor.yaml model=yolo26n.pt epochs=100 imgsz=640

训练参数与默认值

文档示例只显式传入了 epochs 和 imgsz，其余参数来自 ultralytics/cfg/default.yaml 的默认配置，与脑肿瘤训练相关的主要默认值有：

参数	默认值	说明
epochs	100	训练轮数（本例显式指定 100）
imgsz	640	训练/验证输入边长（本例显式指定 640）
batch	16	批大小，也可用 0.0–1.0 的小数触发 AutoBatch 按显存自动选择
patience	100	早停耐心值：验证指标连续 N 轮不提升则提前停止
close_mosaic	10	最后 10 个 epoch 关闭 mosaic 增强
mosaic	1.0	mosaic 增强概率

完整的可训练参数列表见文档中 Train 参数页 的说明（对应仓库内 default.yaml 全量注释）。

关于 Mosaic 增强与医学影像

官方文档特别展示了该数据集训练批次的 Mosaiced Image 示例：Mosaicing 在训练时把多张图像拼合为一张，提高每个 batch 的多样性，使模型对不同尺寸、形状和位置的肿瘤泛化更好。这也是为什么 close_mosaic=10 这个默认参数值得留意——它在训练末期关闭拼图，让模型在接近真实单图分布的状态下完成收敛，对肿瘤这种边界敏感的目标定位通常有益。

四、微调后模型的推理（Inference）

训练完成后（例如产物 best.pt），可以直接加载微调模型对脑肿瘤扫描做推理：

Python 方式

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")

CLI 方式

# 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"

推理输入支持本地文件路径、目录或 URL。预测结果 results 中包含边界框、类别（negative/positive）与置信度，可进一步用于区域统计或后续可视化（model.predict(..., save=True) 会保存叠加标注的结果图）。

五、验证与数据集浏览

• 验证：yolo detect val data=brain-tumor.yaml model=path/to/best.pt 可单独在 223 张验证图上评估模型；
• 数据集浏览：官方建议在 Ultralytics Platform 上查看该数据集的标注叠加图、类别分布与边界框热力图，再克隆到自己的云环境训练（见 数据集总览 中的 Brain-tumor 条目）。

六、常见问题（FAQ 精编）

Q1：数据集如何划分？ 1,116 张图像分为 893 张训练集与 223 张验证集，均带标注。该比例划分支持构建稳健的脑肿瘤检测模型。

Q2：如何获取数据集？ 无需手动下载。首次使用 data="brain-tumor.yaml" 训练时，框架检测到本地缺失（结合上文 check_det_dataset 逻辑）后会自动从 Ultralytics 官方 assets 下载约 4.21 MB 的压缩包并解压到全局 DATASETS_DIR。

Q3：如何训练？ 即第三节给出的 Python / CLI 两种方式（100 epochs、imgsz=640），完整参数清单参见 Train 页。

Q4：如何推理？ 即第四节示例，加载微调后的 best.pt 对单张 MRI/CT 图或扫描目录做预测。

Q5：在哪里可以找到数据集 YAML？ 仓库内 ultralytics/cfg/datasets/brain-tumor.yaml，包含 path、train、val、names 与 download 全部字段。

七、引用与致谢

数据集以 AGPL-3.0 许可发布（见 LICENSE）。若在研究或开发工作中使用该数据集，请按下式引用：

@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}
}

八、小结

Brain Tumor 数据集是 Ultralytics 仓库内一个规模适中、开箱即用的医学影像目标检测基准：二分类（negative/positive）、893/223 训练验证划分、YAML 自描述 + 自动下载，使其成为验证 YOLO 系列模型在医疗场景落地路径的合适起点。按本文配置执行 yolo detect train data=brain-tumor.yaml model=yolo26n.pt epochs=100 imgsz=640 即可完成完整训练流程；需要进一步调优时，可对照 ultralytics/cfg/default.yaml 中各参数的注释逐项调整，或参考 YOLO26 模型文档 了解可用的模型规模与任务头。