简介：这份脑肿瘤实例分割医疗影像数据集面向医学影像AI开发者、算法研究人员及放射科教学人员，用于解决脑部肿瘤自动识别与病灶边界精准分割的训练数据需求。数据集共含803张训练、237张验证与129张测试影像，以YOLO多边形实例分割格式标注Brain_Tumor类别，覆盖胶质瘤、脑膜瘤等多种肿瘤类型，标注经三甲医院放射科医师双重校验，并保留肿瘤异质性与边界模糊等临床特征。资源包共2000个文件，以829张jpg医学影像与1169个txt标注文件为主，另附1个yaml数据配置和1份docx说明文档，压缩包约30.6MB，原生适配YOLOv5/v7/v8等主流实例分割框架。已有171人学习下载。读者可据此搭建脑肿瘤识别与病灶定位系统，开展UNet、Mask R-CNN等算法的训练验证，并利用肿瘤面积占比等量化基准完成术前规划与三维重建研究。
1. 脑肿瘤实例分割数据集：1169 张临床影像与 YOLO 多边形标注的落地价值
拿到一份标注好的脑肿瘤实例分割数据集，第一反应往往不是兴奋，而是怀疑——标注边界到底贴不贴肿瘤实际轮廓？正常组织和病灶混在一起会不会让模型学偏？这份脑肿瘤实例分割医疗影像数据集给出的答案是：训练集 803 张、验证集 237 张、测试集 129 张，合计 1169 张临床医学影像，全部按 YOLO 实例分割格式用多边形坐标点标注，类别只有一个 Brain_Tumor。它解决的不是“有没有数据”的问题，而是“标注能不能直接喂给 YOLOv5/v7/v8/v12 系列实例分割头”的问题。适合做医疗影像 AI 系统开发、智能诊断工具研发，也适合拿来做 UNet、Mask R-CNN 的对照实验。如果你正在找一份能直接跑通训练管线、又带临床边界模糊特征的脑肿瘤数据集，这份资源值得先拆开看清楚再决定怎么用。
2. 拆开压缩包：目录结构、标注格式与划分逻辑
2.1 从文件名到目录树：先搞清楚数据是怎么组织的
项目正文里列出的文件名很有代表性：y44_jpg.rf.546d963fda9b5329d3d771e867384f95.jpg、no106_jpg.rf.496280a5a1cd97bef419e780908ebaca.jpg、y431_jpg.rf.9c1a5dacc2d3b48ebec90cfbca16391d.jpg等。这种原名_jpg.rf.<hash>.jpg的命名方式是 Roboflow 导出数据集时的典型特征，rf后面的长哈希是导出流水线生成的唯一标识，用来避免不同来源图片重名覆盖。y前缀大概率对应有肿瘤的阳性样本，no前缀对应正常脑组织或阴性样本，这一点从摘要里“包含正常脑组织与肿瘤组织的对比样本”也能对上。
解压后常见的目录结构是：
brain_tumor_seg/ ├── train/ │ ├── images/ # 803 张训练影像 │ └── labels/ # 对应的 YOLO 分割标注 .txt ├── valid/ │ ├── images/ # 237 张验证影像 │ └── labels/ ├── test/ │ ├── images/ # 129 张测试影像 │ └── labels/ └── data.yaml # 数据集配置文件images和labels必须一一对应，文件名主干相同、扩展名不同。如果解压后发现 labels 目录缺失或为空，说明压缩包只带了原图没带标注，那就不是完整可训练的数据集，需要先确认再往下走。
2.2 YOLO 实例分割标注长什么样：一行一个多边形
YOLO 实例分割的标注文件是.txt，每行代表一个实例，格式为：
<class_id> <x1> <y1> <x2> <y2> ... <xn> <yn>所有坐标都是归一化到 0~1 之间的浮点数，class_id从 0 开始。这份数据集只有一个类别 Brain_Tumor，所以 class_id 恒为 0。一个典型的标注行看起来像这样：
0 0.412 0.335 0.428 0.341 0.445 0.352 0.451 0.370 0.438 0.388 0.419 0.379 0.405 0.361这串数字的意思是：从归一化坐标 (0.412, 0.335) 开始，依次连接后续点，最后回到起点，围成一个多边形区域，这个区域就是肿瘤的边界。多边形点数不固定，边界越复杂点数越多。摘要里提到“标注数据呈现肿瘤异质性和边界模糊等临床特征”，反映在标注上就是多边形顶点密度不均匀——边界清晰的地方点少，模糊浸润区域点会加密。
验证标注是否正确，可以用下面这段脚本快速检查：
import os import glob label_dir = "brain_tumor_seg/train/labels" issues = [] for txt_path in glob.glob(os.path.join(label_dir, "*.txt")): with open(txt_path, "r") as f: lines = f.readlines() if len(lines) == 0: issues.append(f"{txt_path}: 空标注文件") continue for i, line in enumerate(lines): parts = line.strip().split() if len(parts) < 7: # class_id + 至少3个点(6个坐标) issues.append(f"{txt_path} 第{i+1}行: 点数不足，仅{len(parts)-1}个坐标值") continue coords = [float(x) for x in parts[1:]] if any(c < 0 or c > 1 for c in coords): issues.append(f"{txt_path} 第{i+1}行: 坐标超出[0,1]范围") if len(coords) % 2 != 0: issues.append(f"{txt_path} 第{i+1}行: 坐标数不是偶数，无法配对") print(f"共检查 {len(glob.glob(os.path.join(label_dir, '*.txt')))} 个标注文件") print(f"发现 {len(issues)} 个问题") for issue in issues[:20]: print(issue)这段脚本做三件事：检查空标注文件、检查每行坐标数是否为偶数（x/y 必须成对）、检查坐标是否越界。参数上，label_dir指向你的标注目录，len(parts) < 7是因为一个有效多边形至少需要 3 个点即 6 个坐标加 1 个 class_id。跑完如果问题数为 0，说明标注格式干净，可以进入训练配置。
2.3 数据划分比例与验证集的作用
803/237/129 这个划分大约是 69%/20%/11%，训练验证比接近 7:2，测试集单独留出约 11%。这个比例在医学影像里算合理——训练集够撑起基本收敛，验证集够做早停和超参选择，测试集够出一份不偏的最终指标。需要注意的是，如果原始数据里同一病例有多张切片，划分时必须按病例分而不是按图片随机分，否则同一病人的切片同时出现在训练和验证集里，验证指标会虚高。摘要里提到“包含完整病例的 DICOM 原始数据转换样本”，说明数据来源是病例级的，划分时是否按病例隔离需要自己确认一遍。
确认方法很简单：看训练集和验证集里有没有文件名主干高度相似的图片。如果y44出现在训练集，y44_1出现在验证集，那大概率是同一病例泄漏了。常见做法是先把所有文件名的主干前缀提取出来，按前缀分组后再做划分。如果这份数据集已经划分好了，至少要在训练前做一次泄漏检查，别等验证 mAP 高得离谱才发现问题。
3. 用 YOLOv8 跑通脑肿瘤实例分割：配置、训练与指标解读
3.1 data.yaml 怎么写：路径、类别数与任务类型
YOLO 系列训练实例分割任务，第一步是准备data.yaml。这份数据集只有一个类别，配置很简洁：
path: ./brain_tumor_seg train: train/images val: valid/images test: test/images nc: 1 names: 0: Brain_Tumorpath是数据集根目录，train/val/test是相对于path的图片目录。YOLO 会自动在同级找同名labels目录。nc: 1表示只有一个类别，names里 0 对应 Brain_Tumor。这里最容易翻车的地方是路径写错——如果path用了绝对路径但换机器后目录变了，训练直接报找不到文件。我一般用相对路径，把data.yaml放在数据集根目录旁边，训练时从项目根目录启动。
注意：
names的键必须是整数，写成字符串"0"在部分 YOLO 版本里会报类别索引错误。
3.2 启动训练：命令行参数与关键超参
用 YOLOv8 做实例分割训练，命令如下：
yolo segment train \ data=brain_tumor_seg/data.yaml \ model=yolov8n-seg.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/brain_tumor \ name=exp1 \ device=0逐项说明：model=yolov8n-seg.pt用的是 nano 分割模型，参数量小，适合先跑通管线；如果显存够、追求精度，可以换yolov8m-seg.pt或yolov8l-seg.pt。imgsz=640是输入分辨率，医学影像里肿瘤区域可能只占几十个像素，如果缩小后边界信息丢失严重，可以提到 1024，但显存占用会翻倍。batch=16在 8GB 显存上跑 640 分辨率基本够用，不够就降到 8。lr0=0.01是初始学习率，YOLO 默认值，如果 loss 震荡厉害可以降到 0.001。patience=20表示验证指标 20 轮不提升就早停，避免过拟合。device=0指定第一块 GPU，CPU 训练把这里改成cpu。
训练启动后重点看三个输出：box_loss、seg_loss、cls_loss。分割任务里seg_loss是 mask 分割损失，它下降得比box_loss慢是正常的，因为多边形回归比边界框回归难。如果seg_loss在前 10 轮几乎不降，先检查标注文件是不是空的或者坐标全越界了。
3.3 验证与指标：mAP50(M) 才是分割任务的核心
训练完在验证集上评估：
yolo segment val \ model=runs/brain_tumor/exp1/weights/best.pt \ data=brain_tumor_seg/data.yaml \ imgsz=640 \ batch=16输出里会同时给检测指标和分割指标。检测看mAP50(B)和mAP50-95(B)，分割看mAP50(M)和mAP50-95(M)。括号里的 B 是 box，M 是 mask。对脑肿瘤实例分割来说，mAP50(M)比mAP50(B)更能反映模型是否真的贴合肿瘤边界。如果mAP50(B)很高但mAP50(M)明显低一截，说明模型能找到肿瘤大概位置，但多边形边界回归不准，常见原因是标注多边形点数太少或者训练轮数不够。
推理单张图片看效果：
yolo segment predict \ model=runs/brain_tumor/exp1/weights/best.pt \ source=brain_tumor_seg/test/images \ imgsz=640 \ conf=0.25 \ save=Trueconf=0.25是置信度阈值，低于这个值的检测框会被过滤。医学影像里宁可多留一些候选区域也不要漏检，所以这个值可以降到 0.1 先看召回，再根据假阳性情况往上调。save=True会把带 mask 的结果图存到runs/segment/predict目录下，直接肉眼比对预测边界和原图肿瘤轮廓。
3.4 从 YOLOv8 迁移到 YOLOv12：需要注意的接口差异
摘要里提到数据集“原生支持 YOLOv5/v7/v8 等主流实例分割框架”，关键词里也出现了 yolov12。如果你打算用 YOLOv12 跑这份数据，标注格式本身不用改，YOLO 系列的实例分割标注是通用的。差异主要在训练脚本和配置项上：YOLOv12 的部分实现把segment任务合并进了统一训练入口，data.yaml的字段名可能从val变成valid，nc和names保持一致。常见做法是先用 YOLOv8 跑通基线，确认数据没问题后，再把data.yaml按 YOLOv12 的文档微调字段名，模型权重换成对应的yolov12*-seg.pt。别一上来就用新版本，否则数据问题和框架问题混在一起，排查成本翻倍。
4. 避坑与排查：脑肿瘤分割训练里最容易翻车的五件事
4.1 现象：训练 loss 正常下降，但验证 mAP50(M) 始终低于 0.3
原因：标注多边形和实际肿瘤边界偏差大，或者训练集和验证集存在病例泄漏导致验证集难度分布和训练集不一致。医学影像里肿瘤边界模糊区域标注一致性本来就差，如果标注时没有统一标准，多边形会偏。
解决：先抽 20 张验证集图片，用yolo segment predict输出预测 mask，和原图叠加肉眼比对。如果预测边界系统性偏大或偏小，检查标注时用的显示窗口设置是否一致。如果是病例泄漏，按文件名前缀重新划分训练验证集。
4.2 现象：训练到一半突然报 CUDA out of memory
原因：imgsz或batch设太大，或者数据集中有异常大尺寸图片导致显存峰值飙升。
解决：先把batch减半，如果还报就降imgsz。另外用脚本检查所有图片尺寸，把超过 2048 像素的图片统一缩放到 1024 以内再训练。YOLO 默认会做 letterbox 缩放，但极端长宽比的图片仍可能撑爆显存。
4.3 现象：推理结果里同一个肿瘤被预测出多个重叠 mask
原因：conf阈值设太低，或者 NMS 的 IoU 阈值不合适。实例分割的 mask NMS 比 box NMS 更敏感，重叠区域容易被重复检出。
解决：把conf从 0.1 提到 0.25 以上，同时在推理时加iou=0.5控制 NMS 阈值。如果仍然重叠，检查标注里同一个肿瘤是不是被标成了多个实例——这种情况在标注阶段就要合并。
4.4 现象：data.yaml路径没问题，但训练报 “No labels found”
原因：YOLO 找 labels 的规则是images同级目录下把images替换成labels。如果你的目录结构是train/images和train/labels，但data.yaml里写的是train: train/images，YOLO 会去train/labels找，这是对的。但如果 labels 目录名是label或annotations，就找不到了。
解决：确认 labels 目录名严格是labels，且和images同级。如果目录名改不了，就在data.yaml里显式指定train: train/images并在训练命令里加rect=False排除其他干扰。
4.5 现象：验证集指标很高，但测试集指标掉一大截
原因：验证集和测试集分布不一致，或者模型在验证集上过拟合了。803 张训练集对分割任务来说不算大，如果模型参数量大、训练轮数多，很容易记住训练集。
解决：用patience早停，同时把测试集留到最后只跑一次。如果测试集指标明显低，先检查测试集里有没有训练集没出现过的肿瘤类型。摘要里提到涵盖胶质瘤、脑膜瘤等多种类型，如果测试集里某种类型占比高而训练集里少，指标下降是数据分布问题，不是模型问题。
5. 进阶技巧：用面积占比做量化评估与模型选择
训练跑通之后，真正决定这份数据集能不能用在临床辅助场景的，是模型输出的肿瘤区域面积占比是否稳定。摘要里提到“提供肿瘤区域面积占比等量化指标计算基准”，这个指标比 mAP 更贴近实际使用——医生关心的是肿瘤占位比例，不是 mask 的 IoU 小数点后第三位。
计算面积占比的脚本如下：
import cv2 import numpy as np from ultralytics import YOLO model = YOLO("runs/brain_tumor/exp1/weights/best.pt") img_path = "brain_tumor_seg/test/images/y44_jpg.rf.546d963fda9b5329d3d771e867384f95.jpg" results = model(img_path, imgsz=640, conf=0.25, retina_masks=True) img = cv2.imread(img_path) h, w = img.shape[:2] total_area = h * w for r in results: if r.masks is None: print("未检测到肿瘤区域") continue masks = r.masks.data.cpu().numpy() # shape: (n, h, w) for i, mask in enumerate(masks): mask_resized = cv2.resize(mask, (w, h), interpolation=cv2.INTER_NEAREST) tumor_area = np.sum(mask_resized > 0.5) ratio = tumor_area / total_area print(f"实例 {i+1}: 肿瘤面积 {tumor_area} 像素, 占比 {ratio:.2%}")这段脚本的关键参数是retina_masks=True，它让 YOLO 输出原图分辨率下的 mask，而不是缩放到模型输入尺寸的 mask。如果不加这个参数，mask 是 640x640 的，直接算面积占比会因为 letterbox 填充而偏小。mask_resized用最近邻插值把 mask 还原到原图尺寸，> 0.5是二值化阈值，YOLO 输出的 mask 是概率图，0.5 是常用切分点。
拿到面积占比后，可以做两件事。第一，和放射科医师手工勾画的面积占比做对比，如果平均偏差在 5% 以内，说明模型输出有临床参考价值。第二，用面积占比的方差来选模型——同一个肿瘤在不同增强扫描序列上的面积占比应该接近，如果方差大，说明模型对扫描参数敏感，需要增加数据增强或者换更鲁棒的骨干网络。
我自己的习惯是：每次训练完不只看 mAP，一定把测试集前 20 张图的面积占比跑一遍，和标注多边形算出的面积占比做散点图。如果散点偏离对角线超过 10%，不管 mAP 多高，这个模型我都不会往下一步推。从那以后我每次拿到新的医学影像数据集，都强制走一遍“标注格式检查 → 病例泄漏排查 → 面积占比验证”这三步，省下来的返工时间比训练本身还多。希望帮到你。
本文还有配套的精品资源，点击获取
