挤出式3D生物打印中生物墨水挤出后存活率的计算机预测与优化数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.11545357

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

该数据集支持论文《基于血管内皮细胞、宫颈癌细胞和胚胎成纤维细胞系实验数据的挤出式3D生物打印中生物墨水挤出后存活率的计算机预测与优化》中呈现的研究结果。海藻酸钠黏度数据：“alg_i1g_viscosity_data.zip” Cross Power Law参数拟合结果：“alg_i1g_viscosity_fittings.zip” 流变稳定性测量：“alg_i1g_contact_angle_data.zip” OpenFOAM模拟结果：“alg_i1g_simulation_data.zip” 挤出后细胞存活率结果：“cell_viability_data.zip” 关键词：3D生物打印；细胞存活率；剪切应力；数值分析；机器学习；海藻酸盐 代码可用性声明本研究用于数据分析、机器学习模型和数值模拟的脚本可在GitHub上获取：https://github.com/KORINZ/in-silico-bioink-viability-prediction

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。