4DL 连接体分割:CFP 14.3.11-2R
数据源于 Hirst 等(2013)对小鼠 4DL 运动单位连接性的图像分析,采用荧光蛋白在运动神经元中的转基因表达作为形态学报告

基本信息
资源简介
4DL 连接体分割:CFP 14.3.11-2R
该数据集来自 datashare.ed.ac.uk,针对小鼠足垫第四深部蚓状肌(4DL)中 14.3.11-2R 肌肉的 Cyan Fluorescent Protein(CFP)表达结果,属于神经系统疾病/其他分类。数据源于 Hirst 等(2013)对小鼠 4DL 运动单位连接性的图像分析,采用荧光蛋白在运动神经元中的转基因表达作为形态学报告。研究通过仅在必要时应用高分辨率(63×,1.4 NA 物镜)成像或去卷积,加速共聚焦图像投影中 4DL 运动单位的分割,以解决低光学分辨率(40×,1.3 NA)下轴突交叉导致的轴突终末归属歧义。该数据可用于神经连接组学、神经肌肉接头与运动单位相关研究(来源 datashare.ed.ac。
【数据内容】
源站描述(机器翻译,仅供参考):神经系统的连接组学分析旨在发现并建立支撑正常与异常神经连接和功能的原则。在 Hirst 等(2013)中,我们利用运动神经元中荧光蛋白的转基因表达作为形态学报告,对小鼠第四深部蚓状肌(4DL)的运动单位连接性进行了图像分析。我们开发了一种方法,通过仅在必要时应用高分辨率(63×,1.4 NA 物镜)成像或去卷积,加速 4DL 运动单位共聚焦图像投影的分割,以解决在较低光学分辨率(40×,1.3 NA)下成像时,轴突交叉导致轴突终末无法正确归属到已识别运动单位的歧义。该数据集是小鼠足垫 14.3.11-2R 肌肉中 Cyan Fluorescent Protein(CFP)表达的结果。此 zip
【主题与分类】
主题标签:NMJ、neuromuscular junction、synapse、connectomic analysis、connectomics、mouse、muscle、motor unit、confocal microscopy、end-plate。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datashare.ed.ac.uk/handle/10283/2748
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://datashare.ed.ac.uk/handle/10283/2748
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:
数据说明
神经系统连接组分析旨在发现并确立支撑正常与异常神经连接及功能的基本原则。在Hirst等人(2013)的研究中,我们通过对小鼠第四深部蚓状肌(4DL)运动单位连接的图像分析,利用运动神经元中荧光蛋白的转基因表达作为形态学报告基因。我们开发了一种方法,加速了4DL运动单位共聚焦图像投影的分割过程,其策略是在必要时才应用高分辨率(63×,1.4 NA物镜)成像或去卷积,以解决在较低光学分辨率(40×,1.3 NA)下成像时,因轴突交叉导致的轴突终末正确归属至已识别运动单位的不确定性。此数据集源自小鼠足垫肌肉14.3.11-2R中青色荧光蛋白(CFP)的表达。该压缩包包含三个子目录,分别包含原始图像及轴突分割和终板分析的数据。
与本研究相关的其余数据集中收录于爱丁堡大学数据共享平台的“小鼠第四深部蚓状肌连接组分析”数据共享集合中,网址为http://datashare.is.ed.ac.uk/handle/10283/2657。
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。




