供体B004-6、B008的人肠道CODEX多重成像数据（第1/2部分）
该数据集为来自供体B004、B005、B006、B008、B009、B010、B011和B012的人肠道64个切片（约16 mm²）的CODEX多重成像数据，使用57种寡核苷酸条形码抗体进行标记，并经过标准CODEX图像处理
基本信息
资源简介
供体B004-6、B008的人肠道CODEX多重成像数据（第1/2部分）
Human intestine processed CODEX multiplexed images for donors B004-6, B008 (Part 1/2)
该数据集为来自供体B004、B005、B006、B008、B009、B010、B011和B012的人肠道64个切片（约16 mm²）的CODEX多重成像数据，使用57种寡核苷酸条形码抗体进行标记，并经过标准CODEX图像处理。数据可用于理解从十二指肠到乙状结肠的人肠道细胞相互作用、组成与结构，以及肠道不同区域间的差异，也可作为健康基线用于比较其他人肠道单细胞数据集，尤其是多重成像数据集（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：我们使用57种寡核苷酸条形码抗体面板，对来自8位供体（B004、B005、B006、B008、B009、B010、B011和B012）的人肠道64个切片（约16 mm²）进行了CODEX（通过索引共检测）多重成像。随后，图像经过标准CODEX图像处理（切片拼接、漂移补偿、循环拼接、背景扣除、去卷积以及最佳焦平面确定）。该数据可用于理解从十二指肠到乙状结肠的人肠道细胞相互作用、组成与结构，以及肠道不同区域间的差异。该数据可作为健康基线，用于比较其他人肠道单细胞数据集，尤其是多重成像数据集。数据集整体结构分为2部分。第一部分与
【主题与分类】
主题标签：Healthy、Spatial-omics、intestine、human、CODEX、Cell Atlas、Multiplexed Imaging、HuBMAP。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A2e68dbc61a6b3a6b6e8e14b3f63c086328d68e00287b295697cba133bb447ad9
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
我们对来自8名供者（B004、B005、B006、B008、B009、B010、B011和B012）的人肠道约16 mm²的64个切片，使用包含57种寡核苷酸条形码抗体的panel进行了CODEX（通过索引共检测）多重成像。随后，图像经过标准的CODEX图像处理（切片拼接、漂移补偿、循环拼接、背景扣除、去卷积以及最佳焦平面确定）。该数据可用于理解从十二指肠到乙状结肠的人肠道的细胞相互作用、组成和结构，并了解肠道不同区域之间的差异。该数据可作为健康基线，用于比较人肠道的其他单细胞数据集，尤其是多重成像数据集。数据集的整体结构分为2部分。与该数据集相关的第一部分来自供者B004、B005、B006和B008。该数据是补充性的，并且可以进一……
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
