CellVFL 数据集
该数据集随 CellVFL 研究发布，包含配对的明场（BF）和荧光显微图像，用于虚拟荧光重建。该数据集旨在支持从无标记明场图像直接预测荧光标记细胞结构的深度学习模型的开发与评估
基本信息
资源简介
CellVFL 数据集
CellVFL dataset 是一个面向眼病领域中 Fuchs 角膜内皮营养不良研究的显微图像数据集，随 CellVFL 研究一同发布。该数据集的核心内容是配对的明场（BF）与荧光显微图像，专门用于虚拟荧光重建任务。其设计目标是支持深度学习模型的开发与评估，使模型能够直接从无标记的明场图像中预测荧光标记的细胞结构。数据集包含用于模型开发与评估的配对明场图像和真实荧光图像，为虚拟荧光方法提供了可复现的基准测试条件，并有助于推动无标记细胞成像、图像到图像翻译以及计算显微学等方向的进一步研究。该数据集仅限研究与学术用途，采用 Creative Commons Attribution 4.0 International 许可协议发布。
【数据集背景】
该数据集伴随 CellVFL 研究发布，所属分类为眼病 / Fuchs 角膜内皮营养不良。其采集与发布旨在支持虚拟荧光重建相关研究，即利用深度学习模型从无标记的明场图像直接预测荧光标记的细胞结构。此类研究有助于减少对荧光标记的依赖，并为无标记细胞成像与计算显微学提供可复现的基准测试基础。
【数据内容】
数据集包含配对的明场（BF）和荧光显微图像。这些配对图像用于虚拟荧光重建，其中明场图像作为无标记输入，真实荧光图像作为预测目标。发布的数据包括用于模型开发与评估的配对明场图像和真实荧光图像。关于图像采集、预处理、数据集划分、模型实现以及评估协议的更多细节，源站描述指向相关出版物，但未在本事实范围内提供具体内容。
【采集与来源】
数据集来源站为 doi.org，作者为 Liu, Wei，机构为 Zenodo，发布时间为 2026 年。源站描述指出，该数据集随 CellVFL 研究发布，包含配对的明场和荧光显微图像，用于虚拟荧光重建。关于具体的图像采集设备、采集参数、样本来源及预处理流程，源站未提供。
【适用场景】
该数据集适用于以下研究方向：虚拟荧光重建方法的开发与评估、从无标记明场图像预测荧光标记细胞结构的深度学习模型、无标记细胞成像、图像到图像翻译以及计算显微学。数据集还可用于虚拟荧光方法的可复现基准测试。其预期用途为研究与学术用途。
【使用方法】
数据集包含配对的明场与真实荧光图像，可用于模型开发与评估。关于数据集划分、模型实现和评估协议的具体细节，源站描述指向相关出版物，但未在本事实范围内提供。使用者应参考伴随 CellVFL 研究的出版物获取完整的方法学信息。
【质量与限制】
该数据集仅限研究与学术用途。关于图像质量、数据集规模、标注完整性、潜在偏差或技术限制的具体信息，源站未提供。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议。作者为 Liu, Wei，机构为 Zenodo，发布时间为 2026 年，来源站为 doi.org。使用时应遵循该许可协议的署名要求。关于引用的具体格式或伴随出版物的引用信息，源站未提供。
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.23308087
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:
数据集大小约 2.25 GB。
数据说明
本数据集随CellVFL研究一同发布，包含用于虚拟荧光重建的配对明场（BF）和荧光显微镜图像。该数据集的采集旨在支持直接从无标记明场图像预测荧光标记细胞结构的深度学习模型的开发与评估。发布的数据包括用于模型开发和评估的配对明场图像和真实荧光图像。这些数据能够实现虚拟荧光方法的可重复基准测试，并促进无标记细胞成像、图像到图像翻译以及计算显微镜领域的进一步研究。本数据集仅供研究和学术用途。有关图像采集、预处理、数据集划分、模型实现和评估方案的更多详细信息，请参见相关论文和代码仓库。
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。
