COSMOS：基于深度学习的实时形态无标记细胞分选平台（靶向RNA-Seq）

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE241835

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

细胞是生命的基本构成单元，全面理解细胞形态及其他特性对于评估潜在的异质性至关重要。我们开发了单细胞计算分选与映射平台（COSMOS），这是一个基于人工智能（AI）和微流控技术的平台，能够通过对高分辨率明场图像的实时深度学习解读来表征和分选单细胞。我们应用监督式深度学习模型，基于形态学的高维嵌入向量来表征和分选细胞系及解离的原代组织，无需生物标志物标记和染色/染料。我们利用多种人类细胞系和组织样本展示了COSMOS的能力。这些早期结果表明，我们的神经网络嵌入空间能够捕获和重现深层视觉特征，并可用于高效纯化具有所需形态特征的未标记活细胞。我们的方法填补了基于高分辨率明场图像进行实时深度学习评估和细胞分选能力方面的技术空白。

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。