一个多结构3D多光子肝脏显微镜数据集，集成了真实图像、基于物理原理的模拟图像以及通过GAN（生成对抗网络）生成的模拟图像，用于生物图像分析的基准测试

《Scientific Data》：A multi-structure 3D multiphoton liver microscopy dataset integrating real, physics-based, and GAN-simulated volumes for benchmarking bioimage analysis

　　

摘要

三维（3D）显微镜技术能够对组织结构进行定量分析；然而，体积图像分析方法的严格开发、验证和比较依赖于公开可用的带有经过验证的真实数据集，但由于3D标注的技术挑战，这类数据集仍然较为有限。在这里，我们提供了一个多结构的3D肝脏显微镜数据集，用于系统性地评估生物图像分析方法。该资源包含了44个体积图像堆栈，这些图像来自4种不同动物的4张多光子显微镜图像，同时附带了相应的手动制备的分割掩码（4个）、4个理想化的各向同性二值组织模型、24个使用基于物理的图像形成模型生成的模拟图像堆栈，以及8个使用3D/2D CycleGAN框架生成的模拟图像堆栈。整个数据集（包括原始图像和处理后的图像、分割掩码、实验测得的点扩散函数、模拟流程、训练好的模型和预测结果）大约占有500GB的公开可用数据。这些图像覆盖了四种主要的肝脏结构，涵盖了不同的空间尺度和形态特征：细胞边界、管状结构（胆小管和窦状血管）以及细胞核。通过控制信噪比、深度依赖的强度变化以及实验测得的点扩散函数，该数据集能够模拟真实的成像条件。通过整合真实采集的图像、分析定义的真实数据以及具有可控退化的模拟图像，该资源使得在3D显微镜中各向同性重建、多结构分割、实例检测和图像恢复方法的可重复评估成为可能。所有数据、训练好的模型和处理工作流程都公开可用，以支持体积生物图像分析领域的透明评估和方法学发展。