ZeroCostDL4Mic无标记预测_fnet_示例训练测试数据集

数据集概述

该数据集是ZeroCostDL4Mic平台的无标记预测（fnet）示例数据，包含共聚焦显微镜拍摄的HeLa细胞3D配对图像，涉及荧光与透射光两种成像模式，为相关模型训练与测试提供基础数据支持。

文件详解

• 文件名称: Label-free prediction (fnet) v2.zip
• 文件格式: ZIP压缩包（.zip）
• 压缩包内容: 包含8位TIFF格式的3D配对显微镜图像，具体为共聚焦显微镜拍摄的TOM20标记荧光图像与透射光图像，图像尺寸为512×512×32像素（像素大小：x/y方向90纳米，z方向150纳米）

适用场景

• 显微镜图像分析研究: 用于探索无标记成像技术对荧光图像的预测能力，验证fnet模型在显微镜图像转换任务中的性能
• 生物医学成像算法开发: 为开发基于深度学习的无标记预测算法提供标准化的训练与测试数据
• 细胞成像技术优化: 支持分析成像参数（如像素尺寸、图像格式）对无标记预测结果的影响
• 计算生物学研究: 辅助研究HeLa细胞在特定固定条件下的成像特征与无标记预测的关联