ModelCube（modelcube.cn）是博雅数智自主研发的一站式人工智能科研平台。为全国高校和科研机构的大数据和人工智能科研团队提供一站式科研服务。基于MLOps的实践和企业核心技术，实现了科研场景中全类型数据管理与标注，实验环境快速获取与灵活定制，模型的全生命周期管理，科研成果的管理与发布，以及 AI驱动的论文检索和学习等功能。
背景
脑肿瘤被认为是儿童和成人的侵袭性疾病之一。脑肿瘤占所有原发性中枢神经系统(CNS)肿瘤的85%至90%。每年约有11700人被诊断患有脑瘤。患有脑肿瘤或中枢神经系统肿瘤的人的5年生存率男性约为34%，女性约为36%。脑肿瘤分为:良性肿瘤、恶性肿瘤、垂体瘤等。应实施适当的治疗、准确的诊断，以提高患者的预期寿命。检测脑肿瘤的最佳技术是核磁共振成像(MRI)。通过扫描生成了大量的图像数据。由于脑肿瘤及其性质的复杂性，手动检查可能容易出错。
使用机器学习(ML)和人工智能(AI)的自动分类技术应用一直显示出比手动分类更高的准确性。因此，提出一种通过使用卷积神经网络(CNN)、人工神经网络(ANN)和迁移学习(TL)的深度学习算法来执行检测和分类的系统将对世界各地的医生有所帮助。
脑肿瘤是复杂的。脑肿瘤的大小和位置有很多异常。这使得完全理解肿瘤的性质变得非常困难。此外，还需要专业的神经外科医生进行MRI分析。在发展中国家，由于缺乏熟练的医生和对肿瘤的了解，从MRI生成报告往往非常具有挑战性和耗时。因此，云上的自动化系统可以解决这个问题。
数据集介绍
数据集分为四个文件夹，包含脑肿瘤的MRI图像数据。图像已分为训练和测试文件夹。每个文件夹又有四个子文件夹。这些文件夹包含相应肿瘤类别的MRI。 一个四个类别：分别为胶质瘤(glioma_tumor)、脑膜瘤(meningioma_tumor)、无肿瘤(no_tumor)和垂体瘤(pituitary_tumor)。
更多信息可参考Github：https://github.com/sartajbhuvaji/brain-tumor-classification-dataset.
数据集用途
应用深度学习技术对脑肿瘤进行检测和分类。
数据文件
下载数据集请登录ModelCube
http://modelcube.cn/dataset/dataset-detail/10211
