数据集概述
本数据集包含一个StarDist深度学习模型，用于从荧光显微镜图像的DAPI通道中分割肿瘤细胞核并排除HUVEC细胞核。模型可支持后续测量细胞核周围或下方的CD44、ICAM1、ICAM2或纤连蛋白强度，IoU得分为0.558，F1得分为0.793，能有效区分两种细胞核。
文件详解
- 文件名称：Stardist_TCs_nuclei_DAPI.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含StarDist深度学习模型相关文件，用于实现肿瘤细胞核分割功能；模型训练基于48对荧光显微镜图像及标签掩码，图像为16位TIFF格式，掩码为8位TIFF格式，图像尺寸为920×920像素（像素大小0.6337×0.6337 µm²）。
数据来源
论文“Fast label-free live imaging reveals key roles of flow dynamics and CD44-HA interaction in cancer cell arrest on endothelial monolayers”
适用场景
- 医学影像分析：用于荧光显微镜图像DAPI通道中肿瘤细胞核的自动分割，辅助医学影像定量分析。
- 肿瘤细胞研究：支持肿瘤细胞核相关蛋白（CD44、ICAM1等）强度的测量，助力肿瘤细胞生物学特性研究。
- 深度学习模型应用：为医学图像分割领域提供预训练的StarDist模型实例，供相关算法优化参考。
- 细胞交互机制研究：结合模型分割结果，分析肿瘤细胞与内皮细胞（HUVEC）的细胞核区分方法，支撑细胞交互机制研究。
