离体人脑肿瘤定量斜向背照显微镜(qOBM)定性与定量评估数据集-84293
该数据集和代码库随文章《使用定量斜向背照显微镜(qOBM)对离体人脑肿瘤进行定性和定量评估》(Bharadwaj等人撰写)一同发布

基本信息
资源简介
离体人脑肿瘤定量斜向背照显微镜(qOBM)定性与定量评估数据集
该数据集和代码库随文章《使用定量斜向背照显微镜(qOBM)对离体人脑肿瘤进行定性和定量评估》(Bharadwaj等人撰写)一同发布
Qualitative and quantitative assessment of ex vivo human brain tumors using quantitative oblique back-illumination microscopy (qOBM)
【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):该数据集和代码库随文章《使用定量斜向背照显微镜(qOBM)对离体人脑肿瘤进行定性和定量评估》(Bharadwaj等人撰写)一同发布。它包含来自离体脑肿瘤的240 μm x 240 μm像素qOBM图像,格式为.tif文件。包括三种胶质脑肿瘤类型——胶质母细胞瘤、星形细胞瘤和少突胶质细胞瘤,涵盖2、3和4级。文件按类型相应压缩。数据采集日期范围为2020-2025年。该数据集已从更大的采集数据集中筛选出“诊断相关”特征,即细胞核。在特征提取之前,这些数据进一步被分割为120 μm x 120 μm像素图像。这些数据使用Robles Lab开发的专有qOBM台式系统采集。所有数据均使用Nikon 60X物镜、S Plan Flu采集。
【主题与分类】
主题标签:脑肿瘤、胶质母细胞瘤、星形细胞瘤、少突胶质细胞瘤、qOBM、图像分类、病理图像。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.18202545
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.18202545
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 2.37 GB。
数据说明
本数据集和代码库随附于Bharadwaj等人撰写的文章:“使用定量斜向背照明显微镜(qOBM)对离体人脑肿瘤进行定性和定量评估”。它包含来自离体脑肿瘤的240 μm x 240 μm像素qOBM图像,格式为.tif文件。包括三种胶质脑肿瘤类型——胶质母细胞瘤、星形细胞瘤和少突胶质细胞瘤,涵盖2、3和4级。文件按类型相应压缩。数据采集日期范围为2020-2025年。本数据集是从更大的采集数据集中精选出的“诊断相关”特征,即细胞核。在特征提取之前,这些数据进一步被分割成120 μm x 120 μm像素的图像。这些数据是使用Robles实验室开发的专有qOBM台式系统采集的。所有数据均使用Nikon 60X物镜、S Plan Fluor ELWD采集,这些数据的像素大小为0.138 μm/px。“CodeForPub”文件夹中的README.md文件包含有关此代码库中所含代码的更多详细信息。如有任何问题,可联系Srinidhi Bharadwaj(sbhara8@gatech.edu)或Francisco E.博士。
Robles(可通过Robles Lab网站联系)。
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。




