ViFoSe合成视频数据集2026
该数据集为合成视频集合，专用于测试和验证前景分割算法，如博洛尼亚大学开发的ViFoSe视频前景分割工具。数据基于高清2D共聚焦显微图像构建，采用HeLa Kyoto宫颈癌细胞与MRC-5人成纤维细胞的共培养体系，其中微管蛋白、mCherry标记的组蛋白H2B及CellTracker分别以不同颜色标记
基本信息
资源简介
ViFoSe合成视频数据集2026
ViFoSe_SyntheticVideo_Dataset_2026
该数据集为合成视频集合，专用于测试和验证前景分割算法，如博洛尼亚大学开发的ViFoSe视频前景分割工具。数据基于高清2D共聚焦显微图像构建，采用HeLa Kyoto宫颈癌细胞与MRC-5人成纤维细胞的共培养体系，其中微管蛋白、mCherry标记的组蛋白H2B及CellTracker分别以不同颜色标记有丝分裂细胞、成纤维细胞胞质和细胞外囊泡，固定培养物经DAPI复染。数据集共含18个文件，可用于评估视频前景分割与图像对齐等计算机视觉任务（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-03-03。
【数据内容】
源站描述（机器翻译，仅供参考）：COLLECTION ITEM：文章数据 PROJECT TITLE：2026_PiccininiEtAl_ViFoSe 集合中文件的描述：该数据集包含专门设计用于测试和验证前景分割算法的合成视频，例如博洛尼亚大学开发的ViFoSe（视频前景分割）工具。一张高清2D共聚焦显微图像代表了一种标准场景，其中对象（此处为细胞）的边界对比良好且清晰可见。具体而言，使用了HeLa Kyoto宫颈癌细胞（表达EGFP-alpha-tubulin/H2B-mCherry）与用CellTracker Deep Red标记的MRC-5人成纤维细胞的共培养物。微管蛋白（绿色）和mCherry标记的组蛋白H2B（黄色）清晰地突出有丝分裂细胞，而CellTracker（红色）则显示成纤维细胞胞质和细胞外囊泡。固定培养物用DAPI复染
【数据结构与技术规格】
文件数 18 个，合计 10.57 MB。数据集 DOI：10.6084/m9.figshare.31454956.v1。
【主题与分类】
源站学科分类：Image processing、Computer vision、Biomedical imaging、Automated software engineering、Biomedical engineering not elsewhere classified、Medical microbiology not elsewhere classified。主题标签：Computer Vision、Image Processing、Video Analysis、Image Alignment、Morphological Operators。本站分类：肿瘤/宫颈癌。
【适用方向】
源站学科分类标注为 Image processing、Computer vision、Biomedical imaging、Automated software engineering、Biomedical engineering not elsewhere classified、Medical microbiology not elsewhere classified。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/ViFoSe_SyntheticVideo_Dataset_2026/31454956
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Piccinini, Filippo (2026). ViFoSe_SyntheticVideo_Dataset_2026. figshare. Dataset
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/10.6084/m9.figshare.31454956.v1
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 10.6 MB。
数据说明
采集项目：文章数据 项目标题：2026_PiccininiEtAl_ViFoSe 采集文件描述：本数据集包含专门设计用于测试和验证前景分割算法的合成视频，例如博洛尼亚大学开发的ViFoSe（视频前景分割）工具。一张高清2D共聚焦显微镜图像展示了一个标准场景，其中物体（此处为细胞）的边界对比鲜明且清晰可见。具体而言，使用了表达EGFP-α-微管蛋白/H2B-mCherry的HeLa Kyoto宫颈癌细胞与用CellTracker Deep Red标记的MRC-5人成纤维细胞的共培养物。微管蛋白（绿色）和mCherry标记的组蛋白H2B（黄色）清晰地突出了有丝分裂细胞，而CellTracker（红色）则显示了成纤维细胞质和细胞外囊泡。固定培养物用DAPI（蓝色）复染，与H2B产生明亮的共定位信号。使用模拟动态相机的自定义MATLAB算法生成了每段10帧的合成视频。
选取原始图像中心一个500×500像素区域保持固定，作为整个视频序列的参考首帧。随后从源图像中随机提取500×500像素的后续帧，同时遵循与参考帧之间11种不同的重叠百分比，范围从5%到20%，以1%递增。该实验设计共产生11种不同的重叠配置，从而能够随着连续帧之间重叠程度的变化，对算法性能进行细粒度评估。对于每种重叠百分比，合成视频以MP4格式提供，并附有MAT格式的元数据，其中包括每帧在源图像中的精确坐标以及有效重叠的验证。此外，还包含PNG和PDF格式的可视化结果，显示所有帧在原始图像上的位置。原始图像、M
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。
