数据集概述
本数据集包含用于大肠杆菌膜人工标记的训练与测试图像，支持通过fnet或CARE模型从明场图像预测超分辨率膜结构，并提供预训练模型。图像涵盖明场与荧光显微镜数据，为微生物成像分析提供基础数据与工具支持。
文件详解
该数据集包含3个文件，具体说明如下：
- DeepBacs_Models_Artificial_labeling_E.coli_membranes_PAINT.zip：压缩文件，包含fnet和CARE预训练模型，可用于预测大肠杆菌PAINT膜结构超分辨率图像。
- DeepBacs_Data_Artificial_labeling_E.coli_membranes.zip：压缩文件，包含训练与测试图像数据，格式为8位TIFF，图像尺寸512x512像素，涵盖不同管镜下的像素尺寸（1x管镜对应158nm原始像素、19.75nm8倍放大像素；1.5x管镜对应106nm原始像素）。
- Artificial_labeling.png：PNG格式示例图片，展示大肠杆菌明场图像与神经网络预测的PAINT膜图像，含1微米比例尺。
适用场景
- 微生物成像分析：用于大肠杆菌膜结构的自动标记与超分辨率预测研究
- 深度学习模型应用：验证fnet或CARE模型在显微镜图像转换任务中的性能
- 微生物学研究：辅助分析大肠杆菌细胞形态与膜结构特征
- 生物图像处理：探索明场图像到超分辨率荧光图像的转换方法
