Algae Senate 补充数据 S8：KG+ 公共数据发现分析
本数据集为 Algae Senate 的补充数据 S8，收录 KG+ 范围的 GEO 筛选摘要、受限元数据分诊记录、发现分析程序与聚焦测试、紧凑数值输出、输入校验和、清单及每个保留公共数据程序的证据层级，并包含保留的时间切片基准、后续共现、跨家族一致性与 CAMERA 相关性敏感性材料
基本信息
资源简介
Algae Senate 补充数据 S8：KG+ 公共数据发现分析
Algae Senate — Supplementary Data S8: KG+ public-data discovery analyses
本数据集为 Algae Senate 的补充数据 S8，收录 KG+ 范围的 GEO 筛选摘要、受限元数据分诊记录、发现分析程序与聚焦测试、紧凑数值输出、输入校验和、清单及每个保留公共数据程序的证据层级，并包含保留的时间切片基准、后续共现、跨家族一致性与 CAMERA 相关性敏感性材料。大型公共输入仍保留在来源 accession。数据为模型衍生或确定性处理输出，不重新分发出版商授权全文。可用于知识图谱增强的假设生成与公共数据发现分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：补充数据 S8：KG+ 范围的 GEO 筛选摘要、受限元数据分诊记录、发现分析程序与聚焦测试、紧凑数值输出、输入校验和、清单，以及每个保留公共数据程序的证据层级，连同保留的时间切片基准、后续共现、跨家族一致性和 CAMERA 相关性敏感性材料。大型公共输入仍保留在其来源 accession。为“The Algae Senate: a knowledge-graph-augmented AI co-scientist”的补充。记录为模型衍生或确定性处理输出；不重新分发任何出版商授权的全文。
【主题与分类】
主题标签：knowledge graph、algae、cyanobacteria、large language model、provenance、hypothesis generation。本站分类：肿瘤/间变性大细胞淋巴瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23212276
使用许可：Creative Commons Attribution 4.0 International。
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.23212276
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
补充数据S8：KG+范围内的GEO筛选摘要、有界元数据分诊记录、发现分析程序与聚焦测试、紧凑数值输出、输入校验和、清单，以及每个保留公共数据程序对应的证据层级，连同保留的时间切片基准、后续共提及、跨家族一致性及CAMERA相关性敏感性材料。大型公共输入仍保留在其来源登录号处。为“藻类参议院：知识图谱增强的人工智能联合科学家”一文的补充材料。记录为模型衍生或确定性处理输出；不重新分发任何出版商授权的全文。
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。
