基于Masson三色染色图像的血管壁成分量化与统计分析方法数据集

数据集获取

源站：https://doi.org/10.5061/dryad.fh0m2

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。

数据集大小约 114.4 MB。

数据说明

目的：开发一种数字图像处理方法，以量化经Masson三色染色的血管壁中的结构成分（平滑肌纤维和细胞外基质），并开发一种适用于小样本量的统计方法，以分析先前获得的结果。方法：量化方法包括两个阶段。预处理阶段改善组织图像外观并划定血管壁区域。在特征提取阶段，通过将颜色相似的像素分组来分割血管壁成分。通过将每组像素数按血管壁面积归一化来计算各成分的面积。统计分析通过置换检验实现，该检验基于从观测数据集中进行无放回重采样，以获得估计量的抽样分布。该实现可在多核机器上并行化，以减少执行时间。结果：这些方法已在48个经Masson三色染色的内隐静脉血管壁样本上进行了测试。

结果表明，分割区域与医生团队的感知一致，并显示出专家判断与评估血管壁变化的测量参数之间良好的相关性。结论：所提出的方法为量化血管壁的某些组成部分提供了强大的工具。它比传统使用的生化及定性方法更为客观、敏感和准确。当其他统计技术的基本假设不满足时，置换检验是分析所得数值测量值的合适统计技术。

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。