单细胞形态流变学表型分析检测人类疾病数据集
血液可以说是最重要的体液，其分析提供了关键的健康状态信息。在临床实践中，缩小诊断范围的首个常规措施是鉴别血细胞计数，确定所有主要血细胞的频率
基本信息
资源简介
单细胞形态流变学表型分析检测人类疾病数据集
血液是人体最重要的体液之一，对其开展分析能够提供关键的健康状态信息。在临床实践中，缩小诊断范围的首个常规措施是鉴别血细胞计数，即确定所有主要血细胞的频率。然而，若要进一步推进初始血液诊断，目前尚缺乏一种无偏倚且快速的血细胞功能评估手段，用以缩小诊断范围并生成具体的假设。为满足这一需求，相关研究引入了对稀释全血的连续、逐细胞形态流变学（MORE）分析，无需标记、富集或分离，处理速率可达每秒1000个细胞。在一滴血中即可识别所有主要血细胞，并在体外及患者样本中表征其在若干疾病条件下的病理变化。该数据集即围绕这一研究产生，发布于Dryad平台，采用Creative Commons Zero v1.0 Universal许可。
【数据集背景】
血液分析在临床诊断中具有基础性地位，鉴别血细胞计数是缩小诊断范围的首个常规措施，用于确定所有主要血细胞的频率。然而，现有方法在推进初始血液诊断方面仍存在不足，缺少一种无偏倚且快速的血细胞功能评估手段，以进一步缩小诊断范围并生成具体假设。为应对这一需求，研究提出了对稀释全血的连续、逐细胞形态流变学（MORE）分析方案。该数据集正是这一研究工作的数据产出，所属分类为血液及造血器官疾病 / 其他，来源站为doi.org。
【数据内容】
该数据集对应的研究内容涉及对稀释全血的连续、逐细胞形态流变学分析。该方法无需标记、富集或分离，处理速率可达每秒1000个细胞。在一滴血中，可以识别所有主要血细胞，并表征其在若干疾病条件下的病理变化，这些表征既在体外进行，也在患者样本中开展。该研究路径承接了此前针对特定分离血细胞的力学研究结果。数据集英文名称为“Data from: Detection of human disease conditions by single-cell morpho-rheological phenotyping of blood”。
【采集与来源】
该数据集由Toepfner, Nicole、Herold, Christoph、Otto, Oliver、Rosendahl, Philipp、Jacobi, Angela、Kräter, Martin、Stächele, Julia、Menschner, Leonard、Herbig, Maik、Ciuffreda, Laura、Ranford-Cartwright, Lisa、Grzybek, Mich等作者参与完成，机构为Dryad，发布时间为2019年，来源站为doi.org。数据采集的具体流程、样本处理细节及仪器参数等信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于血液及造血器官疾病 / 其他这一分类下的相关研究。其核心方法可在一滴血中识别所有主要血细胞，并表征其在若干疾病条件下的病理变化，因此可用于体外研究与患者样本分析。该方法旨在为初始血液诊断提供无偏倚且快速的功能评估，帮助缩小诊断范围并生成具体假设。关于具体适用的疾病种类、临床场景及使用条件等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据格式、字段结构、读取方式、分析流程及配套工具等信息。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、准确性、覆盖范围及使用限制等方面的具体说明。
【引用与许可】
该数据集采用Creative Commons Zero v1.0 Universal许可，机构为Dryad，发布时间为2019年。引用时请依据该许可要求及相关学术规范进行标注。
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/10.5061/dryad.2fk71
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 31.76 GB。
数据说明
血液可以说是最重要的体液，对其进行分析能提供关键的健康状态信息。临床实践中，缩小诊断范围的首要常规手段是进行血细胞分类计数，即测定所有主要血细胞的频率。要推进初步血液诊断，目前欠缺的是对血液进行无偏倚且快速的功能评估，以便缩小诊断范围并提出具体的假设。为满足这一需求，我们引入了对稀释全血的连续、逐细胞形态流变学（MORE）分析，无需标记、富集或分离，速率可达每秒1，000个细胞。在一滴血中，我们能够识别所有主要血细胞，并在体外及患者样本中表征其在多种疾病条件下的病理变化。这种方法将先前针对特定分离血细胞的力学研究结果提升至直接应用于血液的水平，并为传统血液分析增添了功能维度。
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。
