基于DESI质谱成像的肿瘤共定位特征分类数据
该数据集来自 data.mendeley.com，用于论文 Inglese 等（2019，Analytical Chemistry）中基于解吸电喷雾电离质谱成像（DESI-MSI）的肿瘤共定位特征分类研究的数据分析
基本信息
资源简介
基于DESI质谱成像的肿瘤共定位特征分类数据
该数据集源自 data.mendeley.com，英文名称为“Data from: Colocalization features for classification of tumors using desorption electrospray ionization mass spectrometry imaging”，对应论文 Inglese、Correia、Pruski、Glen 与 Takats 于 2019 年发表在 Analytical Chemistry 上的研究《Colocalization features for classification of tumors using desorption electrospray ionization mass spectrometry imaging》。数据集共包含 139 个文件，合计约 6.39 GB，文件以 IBD、IMZML 及 ZIP 压缩包形式组织，于 2019 年 6 月 26 日发布，当前版本为 v2，DOI 为 10.17632/wpy848vsfy.2。本站将其归入肿瘤 / 其他分类，主要用于支撑基于解吸电喷雾电离质谱成像（DESI-MSI）的肿瘤共定位特征分类研究的数据分析。
【数据集背景】
该数据集服务于肿瘤分类方法学研究。原论文探索利用解吸电喷雾电离质谱成像（DESI-MSI）所获得的共定位特征对肿瘤进行分类，数据集即为该论文数据分析所使用的基础数据。研究发表于 Analytical Chemistry，数据集在 Mendeley Data 平台以 v2 版本公开，发布时间为 2019 年 6 月 26 日，DOI 为 10.17632/wpy848vsfy.2。本站分类将其归入肿瘤 / 其他，反映其应用领域与肿瘤研究相关。
【数据内容】
数据集共包含 139 个文件，合计约 6.39 GB。文件样例包括 0101500113A5-.ibd、0101500113A5-.imzML、0400126A4-.ibd、0400126A4-.imzML、0400130A2-.ibd、0400130A2-.imzML、0400169A4-.ibd、0400169A4-.imzML 等。从样例可见，数据以成对形式组织，每个样本对应一个 .ibd 文件与一个 .imzML 文件；此外还包含 ZIP 压缩包形式的文件。文件命名采用样本编号加后缀的方式，具体样本数量、分组信息与生物学含义源站未提供。
【采集与来源】
数据来源站为 data.mendeley.com，源站标题与数据集英文名称一致。源站描述说明，这些数据用于论文 Inglese, P., Correia, G., Pruski, P., Glen, R. C., & Takats, Z. (2019). Colocalization features for classification of tumors using desorption electrospray ionization mass spectrometry imaging. Analytical Chemistry 的数据分析。数据采集的具体仪器参数、样本来源、实验设计等信息源站未提供。
【适用场景】
该数据集适用于基于 DESI-MSI 的肿瘤分类研究，尤其是围绕共定位特征开展的数据分析、方法复现与对比研究。由于文件采用 IBD 与 IMZML 格式，适合质谱成像数据的读取、处理与特征提取流程；ZIP 压缩包可用于批量分发与归档。具体适用的肿瘤类型、分类任务与评价指标源站未提供。
【使用方法】
使用时可先下载全部 139 个文件（合计约 6.39 GB），按文件格式分别读取：IBD、IMZML 以及 ZIP 压缩包。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因格式或编码问题导致批量处理失败。IMZML 与 IBD 成对出现，读取时需保持配对关系。具体的读取软件、参数设置与处理流程源站未提供。
【质量与限制】
数据集以 v2 版本发布，文件数量与总体积明确，文件命名规则较为统一，便于组织与核对。但源站未提供样本量、分组标签、采集参数、预处理步骤与质量评估指标等信息，使用者在缺乏这些背景的情况下难以独立判断数据适用性；此外，数据仅覆盖论文数据分析所需内容，是否包含完整原始数据源站未提供。
【引用与许可】
引用时应使用数据集 DOI：10.17632/wpy848vsfy.2，并参考对应论文 Inglese, P., Correia, G., Pruski, P., Glen, R. C., & Takats, Z. (2019). Colocalization features for classification of tumors using desorption electrospray ionization mass spectrometry imaging. Analytical Chemistry。数据集的许可条款源站未提供。
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://data.mendeley.com/datasets/wpy848vsfy
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 6.39 GB。
数据说明
Paolo Inglese (2019). Colocalization features for classification of tumors using desorption electrospray ionization mass spectrometry imaging [Dataset]. http://doi.org/10.17632/wpy848vsfy.2
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。
