全人脑单皮层神经元形态多样性与刻板性图谱
该数据集基于 Adaptive Cell Tomography（ACTomography）方法，在 18 例脑肿瘤或其他疾病患者的手术组织及 1 例捐献的新鲜尸检脑组织中向皮层神经元注射染料，采集了 1746 个皮层神经元的三维图像，其中 852 个神经元完成重建并映射到标准图谱，用于量化局部树突形
基本信息
资源简介
全人脑单皮层神经元形态多样性与刻板性图谱
Whole human-brain mapping of single cortical neurons for profiling morphological diversity and stereotypy
该数据集基于 Adaptive Cell Tomography（ACTomography）方法，在 18 例脑肿瘤或其他疾病患者的手术组织及 1 例捐献的新鲜尸检脑组织中向皮层神经元注射染料，采集了 1746 个皮层神经元的三维图像，其中 852 个神经元完成重建并映射到标准图谱，用于量化局部树突形态。数据覆盖全脑尺度单细胞水平的形态与分布信息，可用于研究人脑神经元形态多样性及区域间刻板性差异（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：在全脑尺度上量化神经元形态与分布，对于理解细胞类型的结构与多样性至关重要。将单细胞标记与全脑成像的最新技术用于人脑研究极具挑战性。我们提出 Adaptive Cell Tomography（ACTomography），一种基于单细胞自适应靶向的低成本、高通量、高效层析成像方法。我们建立了一个平台，向 18 例脑肿瘤或其他疾病患者的手术组织以及 1 例捐献的新鲜尸检脑组织的皮层神经元中注射染料。我们采集了 1746 个皮层神经元的三维图像，其中 852 个神经元被重建以量化局部树突形态，并映射到标准图谱。在我们的数据中，人脑神经元在不同脑区之间的多样性大于受试者年龄或性别带来的差异。共同……（源站描述在此处截断）
【主题与分类】
主题标签：human brain neuron。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A4aadc18d6249d9ba3764194f703db87193dedef4e11fdbaac196069cc19becc8
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
在整体大脑尺度上量化神经元形态和分布对于理解细胞类型的结构和多样性至关重要。将单细胞标记和全脑成像的最新技术重新用于研究人脑极具挑战性。我们提出自适应细胞断层成像（ACTomography），一种基于对单个细胞进行自适应靶向的低成本、高通量、高效的断层成像方法。我们建立了一个平台，向18名脑肿瘤或其他疾病患者的手术组织以及1例捐赠的新鲜尸检脑中的皮层神经元注射染料。我们采集了1746个皮层神经元的三维图像，其中852个神经元被重建以量化局部树突形态，并映射到标准图谱。在我们的数据中，人类神经元在不同脑区之间的多样性大于受试者年龄或性别之间的差异。脑区队列内强烈的刻板性使得能够生成神经元形态的统计张量场，以表征……
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。
