不依赖样本制备的组织学微米级纤维成像

数据集获取

源站：https://doi.org/10.5061/dryad.02v6wwqb2

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 59.40 GB。

数据说明

绘制大脑的纤维网络对于理解其功能和功能障碍至关重要，但在大视场内解析神经轨迹颇具挑战。电子显微镜仅能研究小块脑组织，扩散磁共振成像（dMRI）的空间分辨率有限，而偏振显微镜只能在保持双折射特性的组织中提供单向取向信息。散射光成像（SLI）此前已能在未染色的脑冷冻切片中实现微米级分辨率的多方向纤维成像。在此，我们展示，采用高灵敏度装置的计算散射光成像（ComSLI）能够在不受样本制备方式限制的情况下绘制组织学中的纤维网络，同样适用于新鲜冷冻和福尔马林固定石蜡包埋（FFPE）组织，包括完整的人脑切片。我们在新的和存档的、动物和人的脑切片中展示了该方法，涵盖不同染色和样本制备步骤（石蜡包埋、脱蜡、染色）。通过采用新颖的分析方法，我们将微观取向转换为微观结构信息指导的纤维取向分布（μFODs）。

通过适配MR纤维束成像工具，我们利用取向分布函数和基于微结构的纤维束图追踪轴突轨迹，揭示白质与灰质的连接性。这些方法使我们能够识别多发性硬化症和脑白质病中微结构的改变，揭示海马硬化症和阿尔茨海默病中纤维束的缺陷，并展示其相较于dMRI、偏振显微镜和结构张量分析的关键优势。最后，我们在非脑组织——包括肌肉、骨骼和血管——中绘制纤维图谱，揭示这些组织的功能。我们这种成本效益高、多用途的方法使得跨组织、物种、疾病和样本制备的复杂纤维网络微米分辨率研究成为可能，为神经科学和生物医学研究提供了新的维度。

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。