路易病理相关超微结构图谱：帕金森病与路易体痴呆区域多样性数据
来自死后人脑组织超薄切片的原始透射电子显微镜（TEM）图像，作为关联光镜与电镜（CLEM）工作流程的一部分采集。图像包括帕金森病和路易体痴呆患者黑质、内嗅皮层、前扣带皮层和海马CA2区的神经元
基本信息
资源简介
路易病理相关超微结构图谱：帕金森病与路易体痴呆区域多样性数据
该数据集收录了死后人脑组织超薄切片的原始透射电子显微镜（TEM）图像，采集工作嵌入关联光镜与电镜（CLEM）的工作流程之中。图像覆盖帕金森病与路易体痴呆两类疾病背景下黑质、内嗅皮层、前扣带皮层及海马CA2区的神经元，重点呈现α-突触核蛋白阳性神经元及其相关细胞超微结构，包括路易小体、路易神经突、线粒体与其他细胞器。数据集围绕路易病理的关联超微结构制图展开，旨在揭示帕金森病与路易体痴呆中病理改变的区域多样性，属于神经系统疾病中帕金森病方向的基础研究数据资源，可为相关超微结构观察与病理比较研究提供原始图像素材。
【数据集背景】
该数据集对应的研究主题为路易病理的关联超微结构制图，其目标在于揭示帕金森病与路易体痴呆中病理改变的区域多样性。路易病理是这两类疾病的核心病理特征之一，而超微结构层面的区域差异需要借助电子显微镜手段加以观察。数据集正是在这一研究背景下产生，通过关联光镜与电镜的工作流程，将光镜层面的定位信息与电镜层面的超微结构信息对应起来，从而支持对病变神经元及其周围细胞环境的细致刻画。源站将本数据集归类于神经系统疾病下的帕金森病方向。
【数据内容】
数据集的主体内容是原始透射电子显微镜图像，来源于死后人脑组织的超薄切片。图像所覆盖的脑区包括黑质、内嗅皮层、前扣带皮层和海马CA2区，样本来自帕金森病与路易体痴呆患者。图像中捕获的对象为α-突触核蛋白阳性神经元及其相关的细胞超微结构，具体涉及路易小体、路易神经突、线粒体以及其他细胞器。这些图像以原始形式提供，未经过后续处理流程的加工描述，适合作为超微结构观察与分析的直接素材。
【采集与来源】
数据采集自死后人脑组织，切片为超薄切片，成像手段为透射电子显微镜。采集过程是关联光镜与电镜（CLEM）工作流程的一部分，即图像并非孤立的电镜拍摄结果，而是与光镜观察相配合的关联采集流程的产物。数据来源站为ebi.ac.uk。数据集的英文名称为“Data from: Correlative Ultrastructural Mapping of Lewy Pathology Reveals Regional Diversity in Parkinson’s and Dementia with Lewy bodies”，源站标题与之一致。
【适用场景】
基于其内容特征，该数据集适用于帕金森病与路易体痴呆中路易病理的超微结构观察与比较研究，尤其是围绕黑质、内嗅皮层、前扣带皮层和海马CA2区之间病理表现区域差异的探索。由于图像同时涵盖α-突触核蛋白阳性神经元、路易小体、路易神经突、线粒体及其他细胞器，也可用于细胞器层面形态学特征的观察与描述性分析。作为CLEM工作流程产出的原始电镜图像，其还可用于关联光镜与电镜结果的对照性研究场景。具体应用方向源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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://ebi.ac.uk/biostudies/studies/S-BIAD3729
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
Notash Shafiei; Amanda Lewis (2026). Correlative Ultrastructural Mapping of Lewy Pathology Reveals Regional Diversity in Parkinson’s and Dementia with Lewy bodies [Dataset]. http://doi.org/10.6019/S-BIAD3729
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。
