SMLM CEP152-Complex FITS Images

Experimental Data for the Paper titled "3D Structure from SMLM images using Deep Learning"

The following files comprise 19 sets of 40,000 images, each set corresponding to a different rendering sigma as described in the paper.

* Extracting *

To extract the files, execute the following command (under Linux):

cat paper_data.tar.gz.* | tar xzvf -

* Organisation *

The data are grouped into 19 directories, corresponding to the sigma value they were rendered at. These values are

10, 9, 8.1,  7.29, 6.56, 5.9, 5.31, 4.78, 4.3, 3.87, 3.65, 3.28, 2.95, 2.66, 2.39, 2.15, 1.94, 1.743, 1.57, 1.41

Each directory contains 40,000 FITS files - a NASA floating point image standard. The images are single channel and un-normalised. This structure is ready to be used

* Recreating the data *

If you have the time and compute power, you can regenerate this data set with as many or as few images as you prefer, at any sigma level. The original experimental data is available at .

To recreate the data set you need to download the CEPRender program, available on github: https://github.com/OniDaito/CEPrender - details on how to use this program are available with the code.

《基于深度学习的单分子定位显微成像（Single-Molecule Localization Microscopy, SMLM）图像三维结构重建》论文配套实验数据集

本次提供的文件包含19组图像，每组含40000张图像，每组对应论文中描述的一种不同的渲染西格玛（sigma）值。

* 解压说明 *

文件解压命令（Linux系统下）：执行如下指令：cat paper_data.tar.gz.* | tar xzvf -

* 数据组织方式 *

数据集按19个目录分组，每个目录对应其渲染时使用的西格玛（sigma）值，对应数值依次为：10、9、8.1、7.29、6.56、5.9、5.31、4.78、4.3、3.87、3.65、3.28、2.95、2.66、2.39、2.15、1.94、1.743、1.57、1.41。

每个目录下包含40000个FITS（Flexible Image Transport System）文件——一种由美国国家航空航天局（NASA）制定的浮点图像标准格式。所有图像均为单通道且未做归一化处理，该数据集结构可直接投入使用。

* 数据集重建方法 *

若您具备充足的时间与计算资源，可自定义生成任意数量的图像，并在任意西格玛（sigma）值下重建该数据集。原始实验数据可在以下地址获取：。

重建该数据集需先下载CEPRender程序，该程序托管于GitHub平台：https://github.com/OniDaito/CEPrender，程序使用说明随代码一同提供。