片段形态计量分析与同色通道分离实现跨BBB模型客观量化数据集

数据集获取

源站：https://doi.org/10.5061/dryad.s7h44j1qd

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 57.2 KB。

数据说明

从荧光显微镜图像中量化血脑屏障（BBB）完整性仍受限于主观评分和缺乏可重复性的分类方法。为实现客观且一致的BBB表型分析，我们提出了两种半自动图像分析流程，以定量、连续变量测量替代人工评分。我们的体外流程基于Python实现，通过测量人工描记的连接区域内的离散ZO-1片段对象来量化紧密连接结构的连通性。该流程输出连续指标，包括平均片段面积、总连接面积以及连接碎片化比率，后者反映ZO-1连续性相对于不连续性的程度。在经受糖萼组分敲低的人脑微血管内皮细胞中，该流程检测到片段面积显著减少（CD44和syndecan-1（SDC1）敲低均减少37%，p = 0.0148和0.0084）以及连接碎片化比率显著降低（p = 0.0061和0.0137）。

我们的在体流程将基于ilastik的像素分类与FIJI宏自动化整合，以量化血管标志物共定位，并在单一荧光通道内将血管信号与小胶质细胞污染分离，从而无需专用复染。该流程应用于四个小鼠队列[年轻、年老、阿尔茨海默病、创伤性脑损伤（TBI）]和三个脑区[前额叶皮层（PFC）、海马、中脑]，揭示了年老和阿尔茨海默病小鼠的PFC和海马中同时存在ZO-1丢失与ICAM-1升高，其中阿尔茨海默病特有的eNOS倍增发生在PFC（p = 0.0013）。TBI小鼠表现出持续性ZO-1丢失，并伴有暂时性ICAM-1和eNOS变化。这两个确定性流程均已在GitHub上提供，其设计旨在适用于此处所分析特定标志物和系统之外的场景。

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。