数据集概述
本数据集是为ZeroCostDL4Mic平台中的Noise2Void（3D）深度学习去噪算法提供的示例训练与测试数据。数据内容为三维荧光显微镜图像，具体拍摄对象是瞬时表达Lifeact-RFP的A2780卵巢癌细胞。该数据集以其标准化的格式和详细的采集参数，为使用者提供了一个即用型案例，用于学习、测试和验证基于深度学习的显微图像去噪技术。
文件详解
该数据集以一个压缩包文件的形式提供，具体如下：
- 文件名称: Noise2Void (3D).zip
- 文件内容: 该压缩文件内包含用于训练和测试的图像文件。
- 图像格式: 16位 .tif 格式
- 图像尺寸: 512 x 512 x 13 像素
- 像素大小: x, y方向为195纳米，z方向为500纳米
- 显微镜类型: 转盘共聚焦显微镜（63倍, 1.4数值孔径物镜）
- 细胞类型: A2780卵巢癌细胞，表达Lifeact-RFP荧光蛋白
数据来源
- 作者: Guillaume Jacquemet
- 所属机构:
- 芬兰奥博学术大学理学与工程学院细胞生物学系
- 芬兰图尔库生物科学中心，图尔库大学与奥博学术大学
- 关联出版物: Kaukonen et al. 2017, Nature Protocol DOI: 10.1038/nprot.2017.107
适用场景
- 深度学习模型训练与测试: 可用作训练和评估Noise2Void等自监督深度学习去噪模型的基准数据。
- 生物图像处理算法开发: 为开发新的显微图像去噪或增强算法提供标准化的测试材料。
- 细胞生物学图像分析: 可用于验证去噪流程对后续细胞形态分析（如肌动蛋白丝结构）的影响。
- 计算生物学教学: 可作为案例，向学生和研究人员演示如何在生物图像分析中应用深度学习技术。
