数据集概述
本数据集围绕免疫组化图像中的蛋白质定位任务构建，结合多尺度特征提取与深度学习方法（iMFDeepLoc）。包含实验图像、特征文件、模型代码、评估结果等多类型文件，为医学图像中蛋白质定位的机器学习研究提供支持。
文件详解
- 图像文件（.jpg，53个）：如8616_B_2_3.jpg、165226_B_3_2.jpg等，为免疫组化实验的原始图像数据。
- 代码文件（.py，18个；.m，3个）：如cavity_feature.py（特征提取）、CNN_BiLSTM_Attention.m（深度学习模型）、SDA_FeatSelect.m（特征选择）等，实现特征提取、模型训练及评估功能。
- 数据文件（.mat，10个；.xlsx，2个）：如info.mat（信息存储）、train_process_data.xlsx（训练数据处理记录）、(ALL=tradition+2+11+12+1+13)_Feature.xlsx（多源特征汇总）等，包含特征数据与处理参数。
- 结果文件（.png，7个；.fig，5个；.txt，1个）：如Accuracy.png（精度曲线）、Confusion_Matrix_Train.fig（训练混淆矩阵）、Evaluation_indicators.txt（评估指标记录）等，呈现模型训练与测试的实验结果。
适用场景
- 医学图像处理研究：分析免疫组化图像中蛋白质定位的特征提取与识别方法
- 深度学习模型开发：基于CNN等方法构建蛋白质定位的多尺度特征融合模型
- 医学人工智能应用：探索机器学习在病理图像分析中的临床辅助价值
- 模型评估方法研究：验证多分类任务中混淆矩阵、ROC曲线等评估指标的应用效果
