数据集：使用3D-SIM对Schlemm's canal进行超分辨率成像的重复研究数据
该数据集包含小鼠眼房角Schlemm's canal组织切片的系列三维结构光照明显微镜（3D SIM）和去卷积显微数据。Schlemm's canal内皮用抗CD31抗体和AF647二抗标记，切片还经DAPI核染色，眼组织存在明显自发荧光
基本信息
资源简介
数据集：使用3D-SIM对Schlemm's canal进行超分辨率成像的重复研究数据
Replication Data for: Super-resolution imaging of Schlemm’s canal using 3D-SIM
该数据集包含小鼠眼房角Schlemm's canal组织切片的系列三维结构光照明显微镜（3D SIM）和去卷积显微数据。Schlemm's canal内皮用抗CD31抗体和AF647二抗标记，切片还经DAPI核染色，眼组织存在明显自发荧光。样本来自CD1小鼠野生型或携带βB1-CTGF转基因构建的同一背景动物，CTGF已知在介导原发性开角型青光眼效应中起关键作用。研究旨在测试3D SIM对眼组织尤其是Schlemm's canal检查的可行性，可用于超分辨率显微图像分析及相关方法验证（来源 DOI 解析）。
【数据集背景】
源站首次发布：2021。
【数据内容】
源站描述（机器翻译，仅供参考）：小鼠眼房角Schlemm's canal 3µm厚组织切片的系列三维结构光照明显微镜（3D SIM）和去卷积显微数据。Schlemm's canal内皮用抗CD31抗体和AF647二抗标记，切片还经DAPI核染色。此外，眼组织具有明显的自发荧光。眼睛来自CD1小鼠品系野生型动物或同一背景但携带βB1-CTGF转基因构建的动物。CTGF已知在介导原发性开角型青光眼效应中起关键作用。该研究旨在测试3D SIM对眼组织尤其是Schlemm's canal检查的可行性。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、Structured Illumination Microscopy、Schlemms Canal、CCN2、Cellular communication network factor 2、3DSIM、super-resolution、Schlemm’s Canal、CTGF、Connective tissue growth factor。本站分类：眼及附器疾病/青光眼。
【获取与许可】
源站页面：https://dataverse.no/citation?persistentId=doi:10.18710/G4SIIJ
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
源站：https://doi.org/10.18710/G4SIIJ
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
一系列三维结构光照明显微镜（3D SIM）和去卷积显微镜数据，来自小鼠眼角房角内施莱姆管（Schlemm’s Canal）3µm厚组织切片的系列图像。施莱姆管内皮用抗CD31抗体和AF647二抗标记，玻片还用核染料DAPI处理。此外，眼组织具有明显的自发荧光。这些眼睛来自CD1小鼠品系野生型动物，或来自相同背景但携带βB1-CTGF转基因构建体的动物。已知CTGF在介导原发性开角型青光眼效应中起关键作用。该研究旨在测试眼组织3D SIM的可行性，尤其是在施莱姆管检查中的可行性。
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。
