数据集概述
本数据集包含用于活细胞图像分割的自监督机器学习Matlab代码及配套演示数据。代码无需参数调优或训练图像，通过连续图像对生成动态特征向量进行像素自标注，训练分类器并自动适应细胞形态或背景光照变化，支持多种显微镜成像模式和细胞系。
文件详解
- 文件名称：
SSL_Demo_Package (2).zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含核心代码文件与演示数据，核心代码包括：
SSL_Demo_2.m：自监督机器学习分割主程序，处理时间分辨活细胞显微镜TIFF图像，实现细胞与背景自动分割SSL_Declumping_2.m：针对SSL_Demo_2.m输出的细胞解聚应用主程序- 数据结构：需保持当前目录结构使用，包含配套演示数据
数据来源
论文“Self-Supervised Machine Learning for Live Cell Imagery Segmentation”（预印本链接：https://www.biorxiv.org/content/10.1101/2021.01.07.425773v1）
适用场景
- 细胞图像自动分割研究：应用于活细胞显微镜图像的细胞与背景自动化分割，验证自监督学习算法性能
- 细胞形态动态分析：利用时间分辨图像分割结果，研究细胞形态随时间的变化规律
- 显微镜成像模式适配性测试：测试代码在透射光、DIC、相差、荧光等不同显微镜成像模式下的分割效果
- 细胞系表型分析：支持多种细胞系的表型动态特征提取与分析
- 机器学习算法优化：基于自监督学习框架，优化细胞图像分割的特征提取与分类器训练策略
