疟原虫手性决定其运动模式数据集
该数据集为论文《Chirality of malaria parasites determines their motion patterns》的配套数据仓库,包含三种实验设置的示例数据:子孢子穿过水凝胶的3D显微成像、环绕运动子孢子的双侧牵引力测量,以及水凝胶下方子孢子的STED超分辨显微成像
![Chirality of malaria parasites determines their motion patterns [data]](/medical-api/medicalDataset/datasetCover/145610.jpg)
基本信息
资源简介
疟原虫手性决定其运动模式数据集
Chirality of malaria parasites determines their motion patterns [data]
该数据集为论文《Chirality of malaria parasites determines their motion patterns》的配套数据仓库,包含三种实验设置的示例数据:子孢子穿过水凝胶的3D显微成像、环绕运动子孢子的双侧牵引力测量,以及水凝胶下方子孢子的STED超分辨显微成像。实验1和2以.mvd2显微原始数据提供,实验3以去卷积.tif图像提供,另附.npy格式的中间分析结果。数据可用于运行配套Python分析代码,支撑疟原虫运动模式与手性关系的研究复现(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):这是论文《Chirality of malaria parasites determines their motion patterns》的数据仓库。它包含不同实验设置的示例数据,可用于运行分析代码。代码可在 git 仓库 github.com/LeonLettermann/hei-sporo-code 及其链接的仓库中获取。我们在此展示三个不同实验的数据:子孢子穿过水凝胶运动的3D显微成像;环绕运动子孢子的双侧牵引力;水凝胶下方子孢子的STED超分辨显微成像。对于实验1和2,数据以.mvd2显微原始数据形式提供,可用提供的Python代码打开和分析。对于实验3,我们提供去卷积图像,格式为.tif文件。此外,支持使用所提供代码进行实验的不同中间分析结果以.npy格式提供。
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Physics、Biophysics。本站分类:感染/寄生虫病。
【获取与许可】
源站页面:https://heidata.uni-heidelberg.de/citation?persistentId=doi:10.11588/DATA/4YBYXE
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/10.11588/DATA/4YBYXE
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
这是论文《疟原虫的手性决定其运动模式》的数据存储库。它包含不同实验设置的示例数据,可用于运行分析代码。代码可在 git 仓库 github.com/LeonLettermann/hei-sporo-code 及其链接的仓库中获取。我们在此展示三个不同实验的数据:子孢子穿过水凝胶运动的3D显微镜成像;环形运动子孢子的双侧牵引力;水凝胶下方子孢子的STED超分辨率显微镜成像。对于实验1和2,数据以.mvd2显微镜原始数据形式提供,可使用提供的Python代码打开并分析。对于实验3,我们提供去卷积图像,格式为.tif文件。此外,支持使用所提供代码进行实验的不同中间分析结果以.npy文件形式提供。
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。




