两名RT患者（DLBCL与cHL）的单细胞形态学特征条形码矩阵
这些Seurat对象包含来自此前使用Cell Profiler进行的分割与测量的形态学数据。这些特征条形码矩阵数据在通过Harmony整合之前创建
基本信息
资源简介
两名RT患者（DLBCL与cHL）的单细胞形态学特征条形码矩阵
该数据集为单细胞形态计量特征条形码矩阵，对应两名RT患者（DLBCL与cHL）各自所需的Seurat对象构建数据。这些Seurat对象包含来自此前使用Cell Profiler进行分割与测量所获得的形态学数据，而特征条形码矩阵数据则在通过Harmony整合之前创建。数据集由作者Blanco, Guillermo发布，机构为Zenodo，发布时间为2025年，采用Creative Commons Attribution 4.0 International许可。该数据集与一篇关于慢性淋巴细胞白血病（CLL）的稿件相关，该稿件题为“Single-cell morphometrics from hematoxylin and eosin-stained images reveals subtype-specific features in chronic lymphocytic leukemia”，但本数据集本身聚焦于两名RT患者（DLBCL和cHL）的形态计量特征条形码矩阵。整体而言，该数据集提供了从组织图像中提取单细胞形态学特征并组织为条形码矩阵形式的基础数据，可用于后续单细胞分析流程中的对象构建与整合前处理。
【数据集背景】
该数据集对应两名RT患者（DLBCL和cHL）的Seurat对象构建所需的特征条形码矩阵。根据源站描述，这些Seurat对象包含来自此前使用Cell Profiler进行的分割与测量的形态学数据。这些特征条形码矩阵数据在通过Harmony整合之前创建。数据集与一篇关于慢性淋巴细胞白血病（CLL）的稿件相关，该稿件描述从苏木精-伊红染色图像中进行单细胞形态计量，以揭示慢性淋巴细胞白血病的亚型特异性特征。然而，本数据集具体针对的是两名RT患者，分别对应DLBCL和cHL。数据集发布于Zenodo，作者为Blanco, Guillermo，发布时间为2025年。本站分类为肿瘤 / 白血病。该数据集为单细胞形态计量分析提供了特征条形码矩阵层面的基础数据，适用于需要在Harmony整合前进行对象构建与特征矩阵处理的研究场景。
【数据内容】
数据集内容为单细胞形态计量特征条形码矩阵，用于创建对应每名RT患者的Seurat对象。这些Seurat对象包含来自此前使用Cell Profiler进行的分割与测量的形态学数据。特征条形码矩阵数据在通过Harmony整合之前创建。数据集涉及两名RT患者，分别对应DLBCL和cHL。源站描述未提供矩阵的具体维度、特征数量、细胞数量、文件格式、文件大小或目录结构等信息。源站未提供关于条形码矩阵中具体特征类型、测量指标名称或数值范围的进一步说明。源站未提供关于Seurat对象内部结构、元数据字段或附加注释的详细内容。源站未提供关于两名患者样本来源、临床信息或实验条件的额外描述。
【采集与来源】
数据集来源于doi.org，发布机构为Zenodo，作者为Blanco, Guillermo，发布时间为2025年。源站描述指出，这些Seurat对象包含来自此前使用Cell Profiler进行的分割与测量的形态学数据。特征条形码矩阵数据在通过Harmony整合之前创建。数据集与一篇关于慢性淋巴细胞白血病（CLL）的稿件相关，该稿件题为“Single-cell morphometrics from hematoxylin and eosin-stained images reveals subtype-specific features in chronic lymphocytic leukemia”。源站未提供关于样本采集地点、时间、伦理审批、患者同意或具体实验流程的详细信息。源站未提供关于图像采集设备、染色方案、扫描参数或Cell Profiler具体配置的说明。源站未提供关于Harmony整合步骤的详细参数或整合后分析结果的信息。
【适用场景】
该数据集适用于需要构建两名RT患者（DLBCL和cHL）Seurat对象的单细胞形态计量分析场景。由于特征条形码矩阵数据在通过Harmony整合之前创建，该数据集可用于整合前的数据准备、对象构建、特征矩阵检查或预处理流程。数据集与慢性淋巴细胞白血病（CLL）的形态计量研究相关，但本数据集具体针对DLBCL和cHL两名RT患者。源站未提供关于该数据集在具体研究问题、疾病分型、生物标志物发现或临床转化方面的适用性说明。源站未提供关于该数据集是否适用于其他癌症类型、其他染色方法或其他物种的说明。源站未提供关于该数据集在机器学习、统计建模或可视化方面的具体应用建议。
【使用方法】
源站描述指出，该数据集对应创建Seurat对象所需的特征条形码矩阵，这些Seurat对象包含来自此前使用Cell Profiler进行的分割与测量的形态学数据。特征条形码矩阵数据在通过Harmony整合之前创建。因此，使用方法可能涉及读取特征条形码矩阵、构建Seurat对象、在Harmony整合前进行必要的预处理或检查。源站未提供关于具体软件版本、编程语言、函数调用、参数设置或操作步骤的说明。源站未提供关于数据加载、格式转换、质量控制或标准化流程的指导。源站未提供关于如何将本数据集与相关稿件中的分析流程对接的详细说明。源站未提供关于数据访问方式、下载链接或存储位置的额外信息。
【质量与限制】
源站未提供关于数据质量评估、缺失值处理、批次效应、技术噪声或验证结果的说明。源站未提供关于数据完整性、一致性或可重复性的具体信息。源站未提供关于样本量、统计功效或潜在偏倚的讨论。源站未提供关于数据集适用范围、已知问题或使用注意事项的明确声明。由于特征条形码矩阵数据在通过Harmony整合之前创建，其后续整合效果、批次校正结果或生物学解释可能依赖于具体分析流程，但源站未提供相关评估。源站未提供关于两名RT患者（DLBCL和cHL）的临床特征、疾病状态或治疗信息的描述，这可能限制数据集的临床解释能力。源站未提供关于数据更新、版本控制或长期维护计划的说明。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可。作者为Blanco, Guillermo，发布机构为Zenodo，发布时间为2025年。数据集英文名称为“Single-cell morphometric feature-barcode matrices for two RT patients (DLBCL and cHL)”。源站描述提及该数据集与一篇关于慢性淋巴细胞白血病（CLL）的稿件相关，稿件题为“Single-cell morphometrics from hematoxylin and eosin-stained images reveals subtype-specific features in chronic lymphocytic leukemia”。源站未提供关于具体引用格式、DOI、版本号或致谢要求的额外说明。源站未提供关于商业使用、再分发或修改后发布的进一步限制或要求。使用该数据集时，应遵循Creative Commons Attribution 4.0 International许可的条款，并适当注明作者与来源。
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/10.5281/zenodo.17770629
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 150.1 MB。
数据说明
该数据集对应于创建两个RT患者各自Seurat对象所需的特征条形码矩阵，如手稿《从苏木精-伊红染色图像中提取的单细胞形态计量学揭示了慢性淋巴细胞白血病的亚型特异性特征》所述。这些Seurat对象包含来自先前使用Cell Profiler进行分割和测量步骤所得的形态计量数据。这些特征条形码矩阵数据是在通过Harmony整合之前创建的。
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。
