原始未编辑显微成像数据——MTR4缺失通过MTR4-Rap1a轴抑制VSMC衰老减轻腹主动脉瘤进展
所有图像均为未经裁剪或亮度、对比度调整的原始导出文件。数据按论文图号组织顶层文件夹,每个图文件夹下分Rep1与Rep2两个独立生物学重复子文件夹,Rep1为论文中展示的代表性面板原图,Rep2为用于数据验证的独立重复原图,单张图像文件按论文面板命名

基本信息
资源简介
原始未编辑显微成像数据——MTR4缺失通过MTR4-Rap1a轴抑制VSMC衰老减轻腹主动脉瘤进展
Raw unedited microscopy imaging data –MTR4 deficiency attenuates abdominal aortic aneurysm progression through suppressing VSMC senescence via the MTR4-Rap1a axis
本数据集为一项腹主动脉瘤研究的原始未编辑显微成像数据,对应论文《MTR4 deficiency attenuates abdominal aortic aneurysm progression through suppressing VSMC senescence via the MTR4-Rap1a axis》。所有图像均为未经裁剪或亮度、对比度调整的原始导出文件。数据按论文图号组织顶层文件夹,每个图文件夹下分Rep1与Rep2两个独立生物学重复子文件夹,Rep1为论文中展示的代表性面板原图,Rep2为用于数据验证的独立重复原图,单张图像文件按论文面板命名。该数据集目前处于长期禁运状态,待论文正式发表后公开原始成像文件(来源 DO。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):原始显微成像数据集论文标题:MTR4缺失通过MTR4-Rap1a轴抑制VSMC衰老减轻腹主动脉瘤进展 所有原始显微图像均为未经裁剪或亮度/对比度调整的未修改原始导出文件。 文件夹结构规则1. 每个顶层文件夹以对应论文图命名(例如文件夹“Fig 2”对应正文图2)。2. 每个图文件夹内有两个子文件夹,分别对应两个独立生物学重复: - Rep1:被选为论文中展示的代表性面板的原始图像 - Rep2:用于数据验证的独立重复原始图像3. 单个图像文件按论文中确切的图面板命名。 禁运说明本数据集处于长期禁运状态;原始成像文件将在论文正式发表后公开。
【主题与分类】
主题标签:Molecular biology、Biology。本站分类:心血管系统疾病/腹主动脉瘤。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.21858349
使用许可:Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5281/zenodo.21858349
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
原始显微镜成像数据集稿件标题:MTR4缺陷通过MTR4-Rap1a轴抑制VSMC衰老从而减轻腹主动脉瘤进展 所有原始显微镜图像均为未经修改的原始导出文件,未进行裁剪或亮度/对比度调整。 ## 文件夹结构规则1. 每个顶级文件夹均以对应稿件图命名(例如,文件夹“Fig 2”对应正文中的图2)。2. 每个图文件夹内有两个子文件夹,分别存放两个独立的生物学重复: - Rep1:被选为稿件中代表性面板的原始图像 - Rep2:用于数据验证的独立重复原始图像3. 单个图像文件的命名与稿件中确切的图面板相匹配。 ## 禁运说明本数据集处于长期禁运状态;原始成像文件将在稿件正式在线发表后公开发布。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




