数据集获取

源站：https://synapse.org/Synapse:syn18684611

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

用于基于图像的免疫分析和多重组织成像的合格抗体

Ziming Du^1,2*^, Jia-Ren Lin^2,3*^, Rumana Rashid^1,4*^, Zoltan Maliga^2,3^, Shu Wang^2,3,5^, Jon C. Aster^1,2,^ Benjamin Izar^2,3,6,7^, Peter K.

Sorger^2,3,8^ 和 Sandro Santagata^1,2,3,9,10^
哈佛肿瘤图谱网络
^1^ 病理学系，Brigham and Women’s Hospital，Harvard Medical School，Boston, MA
^2^ Ludwig Center for Cancer Research at Harvard，Harvard Medical School，Boston, MA
^3^ 系统药理学实验室，Harvard Medical School，Boston, MA
^4^ 生物医学信息学系，Harvard Medical School，Boston, MA
^5^ Harvard Graduate Program in Biophysics，Harvard University，Boston, MA
^6^ 医学肿瘤学系，Dana-Farber Cancer Institute，Boston, MA
^7^ Broad Institute of MIT and Harvard，Boston, MA
^8^ 系统生物学系，Harvard Medical School，Boston, MA
^9^ 肿瘤病理学系，Dana Farber Cancer Institute，Boston, MA
^10^ 病理学系，Boston Children’s Hospital，Boston, MA
*同等贡献
通讯作者：Sandro Santagata，Brigham and Women’s Hospital，60 Fenwood Road, HBTM 8002P, Boston, MA 02115；电话：617-525-5686；电子邮件：ssantagata@bics.bwh.harvard.edu Peter K.

Sorger, Harvard Medical School, 200 Longwood Avenue, Warren Alpert Building, Room 440, Boston, MA 02115；电话：617-432-6901；电子邮件：peter_sorger@hms.harvard.edu ${image?fileName=Figure%2D1 %28Santagata%29%2Ejpg&align=Right&scale=50&responsive=true&altText=} ## 概要 多重免疫荧光成像方法可用于检测人类福尔马林固定石蜡包埋（FFPE）组织切片上的表位，以进行免疫谱分析，但为此类方法进行抗体的合格性验证可能具有挑战性。作为 Harvard Tumor Atlas Network（NIH Grant U2C-CA233262）的一部分，我们撰写了一份方案，概述了利用从图像中三个层面提取的信息进行各种合格性验证的方法：像素层面、细胞层面和 ti

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。