从细胞特征到疾病诊断：用supercells揭示表型

数据集获取

源站：https://search.dataone.org/view/sha256%3Af1a0440ebdde5c33e2df9a8ebe61d4949d83b80706b58a394a14d4dfad531151

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。

数据说明

细胞异质性以及细胞内多种分子过程相互作用所固有的复杂性，给当前的单细胞生物学带来了严峻挑战。我们提出了一种从多参数单细胞测量中识别疾病表型的方法，该方法基于“超级细胞统计”的概念，即一种基于单细胞的平均化处理，随后结合机器学习分类方案。我们能够评估在平均的单细胞数量与捕获健康与患病患者之间、以及在其他方式难以诊断的不同疾病之间表型差异所需的测量数量之间的最优权衡。我们将该方法应用于两类单细胞数据集，分别解决利用细胞核图像诊断一种早衰症的问题，以及基于多色流式……

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。