SCIMAP 教程 2022年5月
该数据集为 SCIMAP 教程配套数据，SCIMAP 是用于分析基于成像的空间数据的可扩展工具包，其底层框架可推广至映射到 XY 坐标的空间数据集，涵盖预处理、表型分析、可视化、聚类、空间分析和差异空间检验等功能
基本信息
资源简介
SCIMAP 教程 2022年5月
SCIMAP Tutorial May 2022 是一套面向空间成像数据分析的教程配套数据集，其核心依托是 SCIMAP——一个用于分析基于成像的空间数据的可扩展工具包。该工具包的底层框架并不局限于某一种成像平台，而是可推广至所有映射到 XY 坐标的空间数据集，因而具有较广的适用性。从功能覆盖上看，SCIMAP 贯穿了空间数据分析的多个关键环节，包括数据预处理、表型分析、可视化、聚类、空间分析以及差异空间检验。本数据集即为开展 SCIMAP 教程所提供的配套数据，使用者可借助它实践上述分析流程。该数据集在本站归入肿瘤 / 癌症（总论）分类，主题涉及单细胞分析、多重成像与空间生物学，属于医学、健康与生命科学领域。
【数据集背景】
空间生物学与多重成像技术的快速发展，使研究者能够在保留组织空间结构的前提下，同时观测大量细胞标记物，从而在单细胞层面解析细胞组成与空间组织关系。这类数据以 XY 坐标为基本组织方式，分析流程涉及预处理、细胞表型判定、聚类、空间格局刻画以及组间差异的空间检验等多个步骤。SCIMAP 正是在这一背景下提出的可扩展工具包，其设计目标是覆盖上述完整分析链条，并且其底层框架可推广至任何映射到 XY 坐标的空间数据集。本数据集作为 SCIMAP 教程的配套数据，用于支撑教程中各分析环节的演示与练习。
【数据内容】
该数据集为 SCIMAP 教程所使用的数据，配合教程完成从预处理到差异空间检验的完整分析流程演示。SCIMAP 工具包所涵盖的功能模块包括预处理、表型分析、可视化、聚类、空间分析和差异空间检验，教程数据相应地服务于这些环节的展示。数据集的主题标签包括单细胞分析、多重成像、空间生物学以及医学、健康与生命科学，反映出其数据性质属于成像来源的空间单细胞层面观测。关于数据的具体样本数量、标记物种类、文件格式与目录结构，源站未提供。
【采集与来源】
该数据集来源于 search.dataone.org，英文名称为 SCIMAP Tutorial May 2022。根据源站描述，该数据用于开展 SCIMAP 教程，教程地址为 https://scimap.xyz/。SCIMAP 本身是面向基于成像的空间数据的分析工具包，其框架可推广至映射到 XY 坐标的空间数据集。关于原始样本的采集机构、成像平台型号、采集参数与时间地点等信息，源站未提供。
【适用场景】
该数据集主要适用于以下场景：一是作为 SCIMAP 教程的实践材料，供学习者按教程步骤完成预处理、表型分析、可视化、聚类、空间分析与差异空间检验等操作；二是作为空间成像数据分析流程的教学示例，帮助研究者理解映射到 XY 坐标的空间数据集的一般分析范式；三是可与其他映射到 XY 坐标的空间数据集对照，体会工具包框架的通用性。由于本站将其归入肿瘤 / 癌症（总论）分类，其应用语境与肿瘤及癌症相关研究的总论性讨论相关联。关于具体疾病类型、组织来源与实验设计所对应的应用场景，源站未提供。
【使用方法】
使用该数据集需结合 SCIMAP 教程进行，教程地址为 https://scimap.xyz/。使用者应按照教程组织的顺序，依次实践预处理、表型分析、可视化、聚类、空间分析和差异空间检验等环节。由于 SCIMAP 的底层框架可推广至映射到 XY 坐标的空间数据集，学习者在掌握教程流程后，可将相同思路迁移至其他同类空间数据集。关于软件环境版本、依赖包、运行参数与硬件要求等具体操作细节，源站未提供。
【质量与限制】
该数据集定位为教程配套数据，其主要用途是演示与教学，而非作为某一特定研究结论的验证数据。使用者应注意，工具包功能的通用性不等于本数据集可代表所有空间成像数据情形；其具体数据规模、标记物覆盖度与批次信息等影响质量评估的关键要素，源站未提供。因此，在将基于本数据获得的经验外推至实际研究数据时，需结合具体数据特性另行评估。
【引用与许可】
关于该数据集的引用格式、作者信息与许可条款，源站未提供。使用者在引用或再利用前，应前往 search.dataone.org 上的对应条目及 SCIMAP 教程页面核实相关要求。
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
Scimap 是一个用于分析基于成像的空间数据的可扩展工具包。其底层框架可推广应用于映射到 XY 坐标的空间数据集。它包括预处理、表型分析、可视化、聚类、空间分析和差异空间检验。本仓库包含用于开展 scimap 教程（https://scimap.xyz/）的数据。
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。
