用于3D-GUSL的小鼠脑显微成像数据集
该数据集包含三个小鼠脑显微成像数据集，用于开发和评估面向生物医学图像分割的三维绿色U形学习（3D-GUSL）框架。这些数据集包括Lectin、c-Fos和酪氨酸羟化酶（TH）荧光通道，分别代表血管结构、活动相关神经元标记和儿茶酚胺能神经元
基本信息
资源简介
用于3D-GUSL的小鼠脑显微成像数据集
该数据集包含三个小鼠脑显微成像数据集，用于开发和评估面向生物医学图像分割的三维绿色U形学习（3D-GUSL）框架。这些数据集包括Lectin、c-Fos和酪氨酸羟化酶（TH）荧光通道，分别代表血管结构、活动相关神经元标记和儿茶酚胺能神经元
Mouse Brain Microscopy Dataset for 3D-GUSL
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含三个小鼠脑显微成像数据集，用于开发和评估面向生物医学图像分割的三维绿色U形学习（3D-GUSL）框架。这些数据集包括Lectin、c-Fos和酪氨酸羟化酶（TH）荧光通道，分别代表血管结构、活动相关神经元标记和儿茶酚胺能神经元。每个数据集包含荧光显微图像及对应的分割标注。这些数据集覆盖了形态、空间分布和稀疏度差异显著的生物靶标，并用于评估3D-GUSL在多种生物标志物上的适应性。它们伴随论文《A Lightweight Learning Framework for Multi-Biomarker Mouse Brain Lightsheet Microscopy Segmentation》。这些显微成像数据是作为FIDELITY研究的一部分由Li生成的。
【主题与分类】
主题标签：小鼠脑、荧光显微成像、图像分割、Lectin、c-Fos、TH、神经系统疾病。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23201343
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23201343
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 5.35 GB。
数据说明
该数据集包含三个小鼠脑部显微成像数据集，用于开发和评估面向生物医学图像分割的三维绿色U形学习（3-Dimensional Green U-Shaped Learning，3D-GUSL）框架。这些数据集包括Lectin、c-Fos和酪氨酸羟化酶（tyrosine hydroxylase，TH）荧光通道，分别代表血管结构、活动相关神经元标记物和儿茶酚胺能神经元。每个数据集包含荧光显微图像及相应的分割标注。这些数据集涵盖在形态、空间分布和稀疏性方面存在显著差异的生物学靶标，并用于评估3D-GUSL在多种生物标志物上的适应性。它们与手稿《A Lightweight Learning Framework for Multi-Biomarker Mouse Brain Lightsheet Microscopy Segmentation》一同提供。这些显微成像数据由Lin等人作为FIDELITY研究的一部分生成。数据以Lectin、c-Fos和TH的独立归档文件形式提供，并保留了原始目录结构。
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。
