SHG显微镜下不确定局部胶原纤维取向的2D与3D分割

数据集获取

源站：https://doi.org/10.5281/zenodo.3355936

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。

数据集大小约 15.44 GB。

数据说明

概述 本数据集包含多组小鼠骨骼中胶原纤维的二次谐波发生（SHG）显微镜扫描图像。部分小鼠患有成骨不全症（脆骨病）。我们利用这些数据研究了不确定局部胶原纤维取向的分割问题。相关论文《SHG显微镜下不确定局部胶原纤维取向的2D与3D分割》已被GCPR 2019接收。摘要 在骨骼中，通过二次谐波发生（SHG）显微镜可见的胶原纤维取向揭示了内部结构及其因癌症等因素而发生的变化。尽管对这些取向的分析对医学研究极具价值，但手动分析所需的大量局部取向并不现实。由于这些局部取向的边界不确定，只能分割出粗略区域，而无法实现像素级分割。我们通过一项用户研究分析了这些不确定边界对人类表现的影响。

此外，我们比较了多种2D和3D方法，如经典的傅里叶分析与最先进的深度神经网络，用于局部纤维取向的分类。我们提出了一种在3D神经网络中使用预训练2D权重的通用方法，例如Inception-ResNet-3D，这是Inception-ResNet-v2的3D扩展。在10折交叉验证中，我们基于Inception-ResNet-3D和迁移的2D ImageNet权重的两阶段分割实现了与人类相当的准确性。链接：论文预印本可在https://arxiv.org/abs/1907.12868获取。最终出版物可通过Springer访问，链接为https://doi.org/10.1007/978-3-030-33676-9_26。源代码可在https://github.com/Emprime/uncertain-fiber-segmentation获取。数据描述：请阅读随附论文以获取有关数据集的更多信息。请参阅源代码以了解数据使用的更多信息。shg-ce-de：包含增强和去噪后的扫描图像。

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。