数据集概述
本数据集包含通过深度学习工具自动标记的HeLa "Kyoto"细胞显微图像，涵盖明场（BF）、数字相位对比（DPC）、微管蛋白和H2B荧光通道图像，以及对应的细胞核和细胞标记图像，为细胞图像自动标记研究提供基础数据。
文件详解
该数据集包含3个文件，具体说明如下：
- 文件名称: training_dataset.zip
- 文件格式: ZIP (.zip)
- 内容: 包含16位TIFF格式的显微图像文件，涵盖BF、DPC、微管蛋白、H2B荧光通道图像及细胞核/细胞标记图像，图像尺寸为540x540像素（像素大小0.299 nm）
- 文件名称: prepare_trainingDataset_cellpose.ijm
- 文件格式: ImageJ宏脚本 (.ijm)
- 内容: 用于生成标记图像的脚本，通过StarDist（H2B通道）和Cellpose（微管蛋白+H2B通道）分别生成细胞核和细胞标记图像
- 文件名称: AutoLabelling.png
- 文件格式: PNG (.png)
- 内容: 自动标记流程相关的图片说明
数据来源
基于“HeLa Kyoto cells under the scope”数据集（https://doi.org/10.5281/zenodo.6139958）
适用场景
- 细胞图像分析研究：用于开发和验证基于明场/相位对比图像的细胞自动标记算法
- 深度学习教育：作为教学案例，展示如何利用StarDist和Cellpose工具生成训练标记
- 生物医学图像处理：探究自动标记方法在细胞动态监测中的应用潜力
- 标记策略对比：分析深度学习自动标记与人工标记的可重复性和效率差异
