信息速览

数据集名称Cerebral Perfusion and Cognitive Decline in Type 2 Diabetes — 140 例 2 型糖尿病老年患者脑灌注多模态数据集

数据类型影像数据,生理信号,临床数据,表格数据

规模140（70 例 2 型糖尿病 + 70 例健康对照，50-85 岁）

接入方式BIDMC / 哈佛医学院 Vera Novak 团队 GE-75 研究：经颅多普勒（ACA/MCA 血流速度）+ 3T ASL MRI + 24h ECG/EMG（1000 Hz）+ 足底压力（99 传感器）+ 心血管/呼吸同步记录 + 认知量表与步态数据（约 5GB）

AI 就绪度

INFOBOX — Cerebral perfusion and cognitive decline in type 2 diabetes 一屏速览

维度内容

本质 2 型糖尿病老年患者脑灌注与认知衰退的观察性研究数据集（非挑战赛、非纯影像集）

团队 Beth Israel Deaconess Medical Center（BIDMC）/ 哈佛医学院，PI Vera Novak；共同作者 Rodrigo Quispe、Charles Saunders

平台 PhysioNet，cerebral-perfusion-diabetes（GE-75），v1.0.1（2022-08-05 发布）

规模 140 例 = 70 例 2 型糖尿病 + 70 例健康对照，50-85 岁

核心测量经颅多普勒测 ACA/MCA 血流速度；3T ASL MRI 区域脑血流与 CO2 血管舒缩反应性

生理信号 labview（TCD，多测试条件）+ 24h ECG/EMG（1000 Hz）+ 足底压力（99 传感器），约 5GB

测试范式 baseline / hyperventilation / CO2 再呼吸 / Valsalva / head-up tilt / sit-to-stand

认知与步态心理测量量表 + 力板姿态摇摆 + 足底压力中心位移

IRB BIDMC #2005P000338；方案 GE-75_Protocol.pdf

资助 NIH-NIA 1R01-AG0287601A2；American Diabetes Association 等

姊妹数据集 cerebral-vasoreg-diabetes（GE-71，同团队脑血管调节研究，86 例）——见 §9 对照表

获取 PhysioNet 公开（需登录）；许可名以内容页数据使用条款为准

§0 导读：这个数据集解决什么问题

糖尿病（diabetes mellitus, DM）在美国影响近 6.3% 的人口，其高患病率、高费用与高致残致死率使其成为重大的公共卫生问题。2 型糖尿病（type 2 diabetes mellitus, T2DM）不仅损害周围血管，更关键的是它会改变血脑屏障（blood-brain barrier, BBB）的通透性，从而影响脑的区域代谢与微循环调节。然而，长期以来，缺乏基于脑血流（cerebral blood flow, CBF）、MRI 影像与认知测试的、有循证依据的糖尿病脑血管并发症预测指标。

Cerebral perfusion and cognitive decline in type 2 diabetes（简称 CPD，PhysioNet 研究编号 GE-75）正是为填补这一空白而采集。它由 Beth Israel Deaconess Medical Center（BIDMC）与哈佛医学院的 Vera Novak 团队完成，力图回答两个核心假设：

主要假设：2 型糖尿病与脑微血管病相关，表现为血管调节与血流分布受损、MRI 白质改变，以及认知与运动表现改变。
次要假设：血糖控制差会加重微血管病；额颞皮层（fronto-temporal cortex）与脑室周白质（periventricular white matter）的血流调节紊乱，是 T2DM 成人执行功能障碍的贡献因素。

为验证这两条假设，研究团队对 70 例 2 型糖尿病患者与 70 例健康对照（50-85 岁） 进行了多维度、多时点的测量：用经颅多普勒超声（transcranial Doppler, TCD）测量前动脉（anterior cerebral artery, ACA）与中动脉（middle cerebral artery, MCA）的血流速度；用 3 特斯拉连续动脉自旋标记（arterial spin labeling, ASL）MRI 评估区域脑血流分布与对 CO2 的血管舒缩反应性；用同步记录的心血管与呼吸变量刻画脑血管调节；用一整套心理测量量表评估认知与执行功能；最后用力板（force plate）与足底压力分布刻画步态与平衡。

这个数据集的价值不在于"提供了多少张图像"，而在于它是把脑灌注、脑血管调节、全身生理、认知与运动五条线索缝在同一批老年受试者身上的少数公开资源之一。它既可用于脑血管调节算法的开发与验证，也可用于糖尿病并发症的纵向/横断面健康结局研究，还可作为多模态生理信号整合的工程练手素材。

§1 数据集速览：十问十答

Q1：这是什么数据集？
CPD 是一个 PhysioNet 公开的观察性研究数据集，主题是 2 型糖尿病老年患者的脑灌注（cerebral perfusion）与认知衰退（cognitive decline）。它包含 70 例患者与 70 例对照的多模态测量，而非单一影像堆。

Q2：为什么主题是「脑灌注」？
糖尿病改变血脑屏障通透性与微循环调节，直接冲击脑的血流供应。研究要检验"T2DM 通过脑微血管病导致认知与运动衰退"这一因果链，脑灌注（血流的速度、分布、调节能力）是最贴近机制的测量层。

Q3：受试者有多少、年龄多大？
140 例：70 例 2 型糖尿病 + 70 例健康对照，年龄 50-85 岁。这是本项目与姊妹数据集 cerebral-vasoreg-diabetes（86 例，55-75 岁）的关键区别之一。

Q4：测量了哪些信号？
四大类：（1）脑血流速度（TCD，ACA/MCA）；（2）脑影像（3T ASL MRI，区域脑血流 + CO2 血管舒缩反应性）；（3）全身生理（ECG、血压、肱动脉超声、呼吸、CO2/O2）；（4）认知量表与步态/平衡（力板、足底压力）。

Q5：用了哪些测试范式？
baseline（基线）、hyperventilation（过度通气，诱导低碳酸血症）、CO2 rebreathing（CO2 再呼吸，诱导高碳酸血症）、Valsalva maneuver（瓦氏动作）、head-up tilt（直立倾斜）、sit-to-stand（坐立转换，睁眼/闭眼）。各条件在信号中以 markers 分段。

Q6：数据文件有多大？
开放格式数据文件位于 data 目录，官方标注 约 5GB，含 labview（TCD）、ecg（24h，1000 Hz）、pedar（足底压力，99 传感器）三类。

Q7：怎么获取？
通过 PhysioNet 公开获取（physionet.org/content/cerebral-perfusion-diabetes/），需注册登录并遵守内容页数据使用条款。许可名未在公开页面明确显示，使用前须确认。

Q8：谁做的、在哪做的？
BIDMC / 哈佛医学院，PI 为 Vera Novak（神经病学）。数据在 BIDMC 的 SAFE 实验室与 BIDMC CRC 采集，眼科检查在 Beetham Eye Institute（Joslin 糖尿病中心）完成，IRB 批号 #2005P000338。

Q9：有姊妹数据集吗？
有。cerebral-vasoreg-diabetes（GE-71，CVD）是同一 PI、同一机构、同一课题家族的另一研究，聚焦脑血管调节（cerebral vasoregulation），86 例（37 DM + 49 对照，55-75 岁）。二者是"脑灌注"与"脑血管调节"两个互补视角，详见 §9。

Q10：这个数据集能干什么？
脑血管调节/脑自动调节算法开发与验证、糖尿病并发症的健康结局研究、多模态生理信号整合工程、认知衰退预测建模、TCD/ASL 信号处理方法学比较，以及作为老年脑灌注研究的外部验证数据源。

§2 数据构成与规格

2.1 规模、来源与机构构成

CPD 的受试者规模是 140 例，构成为 70 例 2 型糖尿病 + 70 例健康对照，年龄跨度 50-85 岁。这一"70+70"的配对式设计让病例组与对照组在数量上对称，便于组间比较；但请注意它并非按年龄/性别逐例配对（matched pairs），而是两组独立招募、样本量相等，分析时应把人口学差异纳入协变量。

受试者来源地为 BIDMC（Boston, MA）及其合作门诊。数据采集跨多个时点：

Day 1（筛查/基线）：签署知情同意、病史与 MRI 问卷、pre-tests（生命体征、人体测量、TCD 窗、自主神经测试、抽血）；眼科检查（糖尿病视网膜病变等级）在 Beetham Eye Institute 完成；同日进行 24 小时 ECG/EMG（ME6000 设备）与 足底压力（Pedar）监测。
Day 2（血流动力学测试）：受试者到 BIDMC CRC 的 SAFE 实验室，安装 head-up tilt 设备（ECG、血压、MCA 与肱动脉 TCD 超声、CO2/O2、呼吸监测），完成 Valsalva、hyperventilation、CO2 rebreathing、head-up tilt、sit-to-stand 与行走测试。
Day 3（MRI）：3T MRI 采集 T1/T2 加权、非侵入 MR 血管造影（CO2 rebreathing + hyperventilation）与连续 ASL。

机构构成单一：全部受试者来自 BIDMC 单一中心。这是本数据集的重要特性——单一中心保证了采集协议高度一致（有利于信号质量），但也意味着缺乏跨中心外部验证，泛化性存在局限。

2.2 数据文件与目录结构

数据集在 PhysioNet 上分为两大目录：

data_description 目录（元数据，纯文本 CSV）：

文件	作用
`GE-75_files_and_channels.csv`	文件与通道的详细说明
`GE-75_data_dictionary.csv`	全部研究变量（变量描述+单位），并附两名受试者的实际取值示例（114,338 字节）
`GE-75_data_summary_table.csv`	完整数据汇总表：每位受试者的研究变量取值（人口学/MRI/病史/用药/实验室/眼科/认知/行走测试）
`GE-75_files_per_subject.csv`	每位受试者对应的开放格式数据文件清单

data 目录（开放格式信号，约 5GB）：包含三类文件——

labview（Day 2）：TCD 超声记录 ACA 与 MCA 的血流速度。head-up tilt 的 DB 文件覆盖 baseline、hyperventilation、CO2 rebreathing、Valsalva、head-up tilt、sit-to-stand 六个条件；sit-to-stand 的 DC 文件覆盖睁眼/闭眼坐立转换，除脑血流速度外还同步记录平衡信号。各测试条件以 markers 分段。
ecg（Day 1）：24 小时 ECG 与 EMG 监测，ME6000 设备，采样率 1000 Hz，覆盖睡眠、行走与 sit-to-stand。
pedar（Day 1）：足底压力分布，99 个足底传感器，计算最大压力、最大力、平均压力、平均力与相对负载，并整段行走平均。

一个工程要点：表格数据（summary table、data dictionary）与开放格式信号（data 目录）是分离的，跨文件的整合必须按受试者编号（如 S0328）键匹配，绝不能用文件顺序或数组位置对齐（这也是本库 R001 纪律的工程写照）。

2.3 测量变量体系

CPD 的变量可归为五大簇：

人口学与病史：年龄、身高、体重、BMI、性别、种族/族裔、吸烟史（当前/既往、包年）、饮酒史（当前/既往、每周剂量）、糖尿病家族史、高血压/心脏病/卒中/癌症家族史、自主神经症状（头晕、麻木、足痛、晕厥、体位性低血压）。
脑血管（核心）：ACA 与 MCA 血流速度（TCD），及其在 hyperventilation/hypercapnia/Valsalva/tilt/sit-to-stand 各条件下的反应。
脑影像（MRI）：区域脑血流分布（ASL）、CO2 血管舒缩反应性、T1/T2 加权形态学、白质改变。
心血管与呼吸：ECG、血压、肱动脉血流、呼吸波形、CO2、O2。
认知与运动：心理测量量表（认知与执行功能）+ 力板姿态摇摆（内外侧/前后/垂直方向的摇摆轨迹、压力中心）+ 足底压力分布。

2.4 与「生理信号 vs 影像」双属性的关系

CPD 常被误当作"影像数据集"，但严格说，它的主体是生理信号与表格临床数据：TCD 波形、ECG、足底压力都是时序生理信号；MRI 是其中的影像模态，且处理后结果落在 summary table 中。把它当"多模态生理 + 临床队列"数据集来用，比当"影像集"更贴合其真实结构。这一点在库内标签体系上也有体现：它同时命中 生理信号 与 脑影像 两个标签。

§3 研究设计与测试范式

3.1 六种测试范式及其生理意义

CPD 用一个精心设计的"脑血流挑战"范式组合来探测脑血管的调节能力。每种范式都从不同角度"刺激"脑循环，观察血流速度如何响应：

范式	刺激类型	生理学意义
baseline	静息	提供基准血流速度与全身生理水平
hyperventilation（过度通气）	低碳酸血症（hypocapnia）	脑血管收缩，BFV 下降——检验血管对 CO2 的收缩反应
CO2 rebreathing（CO2 再呼吸）	高碳酸血症（hypercapnia）	脑血管扩张，BFV 上升——检验血管舒缩反应性（vasoreactivity）
Valsalva maneuver（瓦氏动作）	胸内压骤升后释放	检验脑自动调节（autoregulation）对血压波动的缓冲能力
head-up tilt（直立倾斜，70°）	体位性应力	检验直立应激下的脑血流维持与体位性低血压反应
sit-to-stand（坐立转换，睁眼/闭眼）	体位+前庭/视觉应力	联合检验脑血流调节与平衡控制

低碳酸血症与高碳酸血症这对"反向刺激"是脑血管反应性（cerebrovascular reactivity, CVR）评估的经典方法：血液 CO2 分压的升降直接改变脑血管张力，通过 TCD 观测 ACA/MCA 血流速度的幅度即可反推血管舒缩能力。若糖尿病患者的反应幅度变小，就提示脑微血管调节受损。

3.2 同步记录：为什么"多信号同时"如此关键

CPD 的所有测试都在同步记录下进行：TCD 血流速度、ECG、血压、肱动脉血流、呼吸、CO2、O2 同时采集。这不是冗余，而是必需——因为要判断"血流速度的变化究竟是脑血管本身的问题，还是被血压、心率或呼吸变化所驱动"，就必须有这些共变量在手。例如 Valsalva 时血压与脑血流速度的相位差（phase）与增益（gain）是脑自动调节的经典指标，缺了同步血压便无从计算。

3.3 Day 3 MRI：ASL 与血管舒缩反应性的空间维度

TCD 给出的是"点"信息（单条血管的血流速度），而 3T 连续 ASL MRI 给出的是"面"信息——区域脑血流（regional CBF）的空间分布。CPD 的 MRI 采集还包含非侵入 MR 血管造影下的 CO2 rebreathing 与 hyperventilation，用于评估区域血管舒缩反应性。这把 CVR 的评估从单血管扩展到全脑区域，可以回答"糖尿病是否选择性地损害某些脑区（如额颞皮层、脑室周白质）的血流调节"这一更精细的问题。

需要特别留意：本条目（GE-75）的数据说明称 MRI 处理结果在 summary table 中；而数据说明未明确承诺原始 MRI 影像全部上传（姊妹研究 GE-71 的页面则明确标注 “MRI not uploaded”）。使用 MRI 原始影像前，应先登录核对目录（详见 §9 与附录 S 的双口径登记）。

3.4 认知与步态：把脑灌注连到"功能结局"

CPD 的另一半价值在功能结局端。研究用心理测量量表组合评估认知与执行功能，用力板与足底压力刻画步态与平衡。这样，“脑灌注改变"就能与"认知下降”"步态/平衡受损"这两个有临床意义的功能结局在同一批人身上联系起来。这正是数据集标题中 “cognitive decline” 的来源，也是它区别于纯生理信号数据集的所在——它测量的是一条从微血管到功能的完整链条。

§4 科学背景与核心假设

4.1 糖尿病的脑血管病理链条

CPD 的科学出发点是糖尿病对脑血管的系统性影响。其病理链条可概括为：

2 型糖尿病 → 血脑屏障通透性改变 + 微血管内皮功能障碍 → 区域代谢与微循环调节紊乱 → 脑血流分布与血管调节受损（微血管病） → MRI 白质改变 + 认知/运动表现下降

糖尿病改变 BBB 通透性的机制涉及内皮紧密连接破坏、基底膜增厚、氧化应激与慢性低度炎症。这些改变叠加在老年本已存在的血管老化之上，使老年糖尿病患者成为脑血管并发症的高危人群。

4.2 两条核心假设

数据集说明明确列出两条假设：

假设一（主要）：2 型糖尿病与脑微血管病相关，表现为血管调节（vasoregulation）与血流分布（blood flow distribution）受损、MRI 白质改变、认知与运动表现改变。
假设二（次要）：血糖控制差会加重复微血管病；额颞皮层与脑室周白质的血流调节紊乱，是 T2DM 成人执行功能障碍的贡献因素。

这两条假设决定了数据集的设计取向：必须是多模态（才能同时看血管、影像、认知、运动）、必须是带负荷挑战的（才能测出调节能力的储备）、必须是老年人群（因为脑血管并发症随年龄累积）。

4.3 为什么"预测指标缺失"是问题

数据集背景指出，长期以来"缺乏基于脑血流、MRI 影像与认知测试的、有循证依据的糖尿病脑血管并发症预测指标"。临床上我们能测得血糖、糖化血红蛋白，却难以预测"这位糖尿病患者会不会出现脑血管并发症、会不会认知下降"。CPD 的采集正是要把脑灌注层面的中间表型补齐，为未来的预测模型提供候选特征。从这个意义上说，CPD 是特征工程的数据底座，而非现成的预测工具。

4.4 队列特征与研究边界

理解 CPD 的科学边界很重要：

观察性、非干预：没有随机化，糖尿病组与对照组的差异受混杂因素（如年龄、共病、用药）影响，不能作因果推断。
老年特定人群：50-85 岁，结论外推到年轻糖尿病群体需谨慎。
单中心：全部来自 BIDMC，存在中心特异的采集习惯与人群构成。
横断面为主：主要为单次多时点采集，纵向随访信息有限（尽管同一团队的姊妹研究有随访设计）。

这些边界并不削弱数据集的价值，反而划清了它能回答与不能回答的问题范围。

§5 与姊妹数据集的关系：脑灌注 vs 脑血管调节

5.1 同一课题家族的两条腿

CPD 不是孤立的数据集，它属于 BIDMC/Vera Novak 团队围绕"糖尿病与脑血管"的多研究家族。同一体系的 PhysioNet 数据集至少包括：

简称	PhysioNet slug	研究编号	规模	主题
CPD	`cerebral-perfusion-diabetes`	GE-75	140（70 DM + 70 对照，50-85 岁）	脑灌注与认知衰退（本条目）
CVD	`cerebral-vasoreg-diabetes`	GE-71	86（37 DM + 49 对照，55-75 岁）	脑血管调节与功能结局
CDED	`cded`	GE-79	69（55-75 岁）	老年糖尿病脑微血管病
CVES	`cves`	GE-72	120（60 卒中 + 60 对照）	卒中老年脑血管调节

其中 CPD（GE-75）与 CVD（GE-71）是本批的两个"姊妹"候选，二者关系最紧密。

5.2 姊妹数据集的差异对照

维度	CPD（cerebral-perfusion-diabetes）	CVD（cerebral-vasoreg-diabetes）
研究编号	GE-75	GE-71
主题焦点	脑灌注（cerebral perfusion）与认知衰退	脑血管调节（cerebral vasoregulation）与功能结局
样本量	140（70 DM + 70 对照）	86（37 DM + 49 对照）
年龄范围	50-85 岁	55-75 岁
主要假设	T2DM 通过脑微血管病影响灌注与认知	糖尿病自主神经病伴体位性低血压如何影响脑血管反应
核心测试	hypercapnia/hypocapnia、Valsalva、head-up tilt、sit-to-stand	hypocapnia/hypercapnia、Valsalva、head-up tilt、sit-to-stand（同族范式）
MRI	3T 连续 ASL（区域脑血流+反应性）	3T MRI；页面标注 MRI 未上传
眼科	糖尿病视网膜病变等级（Beetham Eye Institute）	同（Beetham Eye Institute）
IRB	BIDMC #2005P000338	BIDMC #2003P000013

一句话概括关系：CVD 问"糖尿病的脑血管调节能力是否受损"，CPD 问"糖尿病的脑血流灌注是否受损、并是否导致认知下降"。前者偏"血管功能调控"，后者偏"组织供血与功能结局"。两者共享测试范式（Valsalva、head-up tilt、CO2 挑战）、共享机构与 PI，但样本、年龄与侧重点不同，是互补而非重复的关系。

5.3 为什么必须一起看

对研究者而言，把 CPD 与 CVD 一起使用有三重价值：

交叉验证：同一团队、同一范式的两个独立队列，可互相印证"糖尿病损害脑血管"这一结论的稳健性。
机制互补：调节能力（CVD）与灌注分布（CPD）是同一病理过程的两个侧面，合起来能拼出更完整的机制图景。
样本扩充：两队列受试者若存在重叠编号（如同属 GE 系列招募体系），需按受试者编号键核对，避免重复计数（本库 R001 纪律的又一应用场景）。

§6 获取、许可与合规

6.1 获取路径

CPD 通过 PhysioNet 公开发布：

内容页：https://physionet.org/content/cerebral-perfusion-diabetes/
版本页：https://physionet.org/content/cerebral-perfusion-diabetes/1.0.1
DOI：10.13026/whjz-e968

获取流程（PhysioNet 通用模式）：注册账号 → 登录 → 在内容页接受数据使用条款/数据使用协议（DUA，如适用）→ 下载。部分项目属 credentialed（需额外认证）——CPD 的公开可访问性主会话情报为 HTTP 200，但下载是否需要额外认证、MRI 原始影像是否包含在内，需登录核对。

6.2 许可与使用条款

重要提醒：PhysioNet 内容页的许可字段在本次核验中未能成功抓取到明确的许可名称（见 FACTS.md §9 与附录 S）。因此本条目不臆断具体许可名（如 ODC-BY 1.0 或 CC BY 4.0），而是给出可操作的使用建议：

使用前务必登录内容页确认其数据使用条款/许可；
无论具体许可为何，PhysioNet 数据集普遍要求署名（attribution）并不得直接再识别受试者；
论文/衍生工作应引用官方指定的两条引用（数据集引用 + 原始论文，见 §7 与附录 W）。

6.3 合规要点

去标识化：PhysioNet 数据集均经 IRB 批准的伦理审查与去标识化流程；受试者编号（如 S0328）为去标识后的编号。
不得再识别：任何试图把数据与真实身份关联的行为均被禁止。
伦理溯源：原始研究经 BIDMC IRB #2005P000338 批准，方案见 GE-75_Protocol.pdf；使用数据集做二次研究时，研究者所在机构的伦理审查通常仍属必要。
署名规范：使用本数据集须同时引用 PhysioNet 数据集条目与 Novak 2011 的 Diabetes Care 论文（详见附录 W 引文规范）。

6.4 工程获取建议

先下元数据再下信号：data_description 目录的 CSV 体积小，先下载并读通数据字典，理解变量与编号规则，再决定下载哪些 data 文件。
按需下载：data 目录约 5GB，若只需 TCD 或只需足底压力，可只取对应子目录，避免整包下载。
校验完整性：PhysioNet 提供逐文件校验信息，下载后应核对，防止大文件传输损坏。

§7 AI-Ready 就绪度评估（DAIMS）

DAIMS（Data and AI Maturity/Management Self-assessment）维度评估 CPD 作为 AI-Ready 数据资源的成熟度：

维度	评分（1-5）	说明
可发现性（Discoverability）	5	PhysioNet 平台级检索，含 DOI、引用、版本号，发现成本极低
可访问性（Accessibility）	4	公开可访问；下载需登录，MRI 原始影像上传状态待核
元数据完备性（Metadata）	5	专项数据字典 CSV + 文件清单 + 汇总表 + 协议 PDF，元数据质量优秀
数据质量（Quality）	4	单一中心协议一致、同步多模态；但信号含多条件需 markers 解析，噪声处理需自行把关
标注充分性（Annotation）	3	非人工标注库；条件是 markers 分段而非逐段语义标签，认知量表为结构化打分
多模态性（Multimodality）	5	脑血流速度+MRI+ECG+血压+呼吸+足底压力+认知+步态，维度极丰富
样本规模（Scale）	2	140 例属小样本，亚组分析功效有限
伦理合规（Ethics/Governance）	5	IRB 批准、去标识化、明确引用规范与资助披露
标准兼容性（Standards）	4	CSV 元数据通用；信号为开放格式（LabVIEW 派生）；无统一社区 schema（如 BIDS），整合需自建映射
文档与复现（Documentation）	4	协议 PDF + 数据字典；无官方加载脚本，但第三方有 ECG_DDA 整合示例
综合	4.1	高成熟度的多模态生理-影像队列，短板在样本规模与标注语义层级

AI-Ready 定性判断：CPD 属于"元数据优秀、多模态丰富、样本偏小"型资源。它最适合的 AI 用法是脑血管调节算法的开发/验证与多模态表征学习的方法学研究，而不是大规模预训练。作为外部验证集或机制探索集，其价值突出；作为训练集，140 例的规模需要谨慎评估统计功效。

§8 使用指南（代码示例）

8.1 通过 Python 读取汇总表与数据字典

import pandas as pd

# 元数据（假设已下载到本地 data_description/ 目录）
df_dict = pd.read_csv("data_description/GE-75_data_dictionary.csv")
df_summary = pd.read_csv("data_description/GE-75_data_summary_table.csv")
df_files = pd.read_csv("data_description/GE-75_files_per_subject.csv")

print(df_summary.shape)          # (受试者数, 变量数)
print(df_summary.columns.tolist())
# 按受试者编号建立索引（键匹配，切勿用位置对齐）
df_summary = df_summary.set_index("STUDY")   # 实际列名以数据字典为准

8.2 按受试者编号键匹配信号文件

# GE-75_files_per_subject.csv 列出每位受试者的开放格式文件
# 关键纪律：用受试者编号 join，绝不用文件列表顺序对齐
per_subj = df_files.set_index("subject_id")
for sid in df_summary.index[:5]:
    files = per_subj.loc[sid]
    print(sid, "->", list(files.values))

8.3 解析 labview TCD 多条件信号（DB 文件）

# DB 文件按 markers 分段：baseline/hyperventilation/CO2 rebreathing/Valsalva/tilt/sit-to-stand
# 伪代码：读入 → 定位 markers → 切段 → 逐段计算 BFV 反应
def segment_by_markers(raw_signal, marker_channel):
    segments, cur, name = {}, [], None
    for sample, mk in zip(raw_signal, marker_channel):
        if mk in ("BASELINE", "HYPER", "CO2", "VALSALVA", "TILT", "STS"):
            if name is not None:
                segments[name] = cur
            name, cur = mk, []
        cur.append(sample)
    if name is not None:
        segments[name] = cur
    return segments

8.4 计算脑血管反应性（CVR）示例骨架

import numpy as np

def cvr_amplitude(bfv_baseline, bfv_hyper):
    """以血流速度相对变化率近似血管舒缩反应幅度。"""
    return (np.mean(bfv_hyper) - np.mean(bfv_baseline)) / np.mean(bfv_baseline) * 100.0

def autoregulation_phase_gain(bpv_series, bfv_series, fs):
    """脑自动调节的相位/增益估计：对血压与脑血流速度做传递函数分析。
    fs 为采样频率（Hz）。返回低频段相位(度)与增益。"""
    from scipy.signal import csd, welch
    f, Pxy = csd(bpv_series, bfv_series, fs=fs)
    _, Pxx = welch(bpv_series, fs=fs)
    gain = np.abs(Pxy) / np.abs(Pxx)
    phase = np.angle(Pxy, deg=True)
    return f, gain, phase   # 取 ~0.1 Hz 附近低频段解读

8.5 与姊妹数据集对齐时的人口学字段核对

# 若需合并 CPD(GE-75) 与 CVD(GE-71) 做对照分析：
# 1) 统一受试者编号格式；2) 对齐测量字段名；3) 记录年龄范围差异(50-85 vs 55-75)
common_cols = ["AGE", "SEX", "BMI", "GROUP"]   # 列名以各自数据字典为准

8.6 使用前检查清单

[ ] 已登录 PhysioNet 并确认内容页数据使用条款/许可名；
[ ] 已下载并通读 GE-75_data_dictionary.csv 与 GE-75_files_per_subject.csv；
[ ] 明确跨文件整合按受试者编号键匹配，未用位置对齐；
[ ] 已确认 TCD 信号条件分段依赖 markers，并写了解析逻辑；
[ ] 已核实 MRI 原始影像是否在下载范围内（见 §9）；
[ ] 已按规范引用数据集条目与 Novak 2011 论文。

§9 与库内条目的关系

9.1 家族图谱

CPD 在千方病案医数集库内的关系网络可分为三层：

第一层：姊妹数据集（本批）

cerebral-vasoreg-diabetes（本批另一代理撰写）——同 PI、同机构、同课题家族的脑血管调节研究，与 CPD 构成"灌注 vs 调节"的互补对；frontmatter 互链写 /0 占位（发布后由主会话按实际 rid 回填）。

第二层：同主题/同模态邻近条目

myocardial-perfusion-spect（record_id 620）——命名相近的"灌注"数据集，但为心肌 SPECT 影像，器官与模态均不同，仅命名撞车，非同一课题；可在"灌注"概念上互为参照。
big-mri、big-ideas-glycemic-wearable——糖尿病脑 MRI / 糖尿病可穿戴数据，人群与主题邻近。
mimic-iv-ecg、vitaldb——同为生理信号/重症监护类，方法学可对照。

第三层：神经系统邻近条目

rsna-intracranial-hemorrhage、isles、isles-2026——脑卒中影像，与"脑血流/脑血管"主题邻近。
oasbud、adhd-200、oak 系列（如 oasis 类老年脑影像）——老年脑影像队列，可作对照。

9.2 检索路径建议

按"脑灌注 / cerebral perfusion / 经颅多普勒 / TCD"检索 → 命中本条目与姊妹条目；
按"糖尿病 + 脑 / diabetes + brain"检索 → 命中本条目、big-mri、big-ideas-glycemic-wearable；
按"生理信号 + 多模态 + 老年"检索 → 命中本条目与生理信号类条目。

§10 避坑清单

坑 1：把 CPD 当"影像数据集"。 它的主体是生理信号与表格临床数据（TCD、ECG、足底压力、认知量表），MRI 只是其中一模态，且处理后结果落在 summary table。按"多模态生理-临床队列"使用才不跑偏。

坑 2：跨文件整合用文件顺序对齐。 表格数据与 data 目录信号分离，务必按受试者编号（如 S0328）键匹配，绝不能用文件列表顺序或数组位置对齐（本库 R001 纪律的工程化，历史上多次因位置对齐翻车）。

坑 3：忽略 markers 直接读 TCD 信号。 labview 的 DB/DC 文件按测试条件（baseline/hyperventilation/CO2/Valsalva/tilt/sit-to-stand）用 markers 分段。不分段就计算"平均血流速度"会得到毫无生理意义的大杂烩。

坑 4：与姊妹数据集混用年龄范围。 CPD（GE-75）是 50-85 岁，CVD（GE-71）是 55-75 岁。合并分析时若直接用某一份的年龄口径，会污染人口学描述，必须分别标注。

坑 5：误信"MRI 一定包含在下载里"。 数据说明称 MRI 处理结果在 summary table，但原始影像上传状态未明确承诺（姊妹研究 GE-71 直接标注 MRI 未上传）。使用 MRI 原始影像前必须登录核对（见附录 S）。

坑 6：假定许可名。 PhysioNet 内容页的许可字段本次未能抓到明确名称。不要想当然写 “ODC-BY” 或 “CC BY 4.0”，使用前登录确认——这正是本条目附录 O 与附录 S 存照的原因。

坑 7：把 70+70 当逐例配对。 病例组与对照组是独立招募、样本量相等的两组，并非按年龄/性别逐例 matched。做组间比较应把人口学差异作为协变量。

坑 8：把观察性结论当因果。 数据集为观察性非随机设计，"糖尿病导致脑灌注下降"是关联而非因果断言；相关分析不能直接读成因果链。

坑 9：忽视单一中心的外部效度问题。 全部数据来自 BIDMC 单中心，协议一致是优点，但跨中心泛化缺乏验证，迁移到其他人群需谨慎。

坑 10：下整包 5GB 却没有校验。 data 目录约 5GB，建议先读元数据再按需下载，并对大文件做完整性校验，避免传输损坏。

坑 11：忘记双引用。 使用 CPD 须同时引用 PhysioNet 数据集条目（doi:10.13026/whjz-e968）与原始论文（Novak 2011, Diabetes Care, doi:10.2337/dc11-0969），只引其一不完整。

FAQ（高频问答 20 问）

A. 基础认知

Q1：CPD 到底是什么？
CPD 是 PhysioNet 上 cerebral-perfusion-diabetes 这一数据集的简称，全称 “Cerebral perfusion and cognitive decline in type 2 diabetes”，来自 BIDMC/哈佛医学院 Vera Novak 团队（研究编号 GE-75），考察 2 型糖尿病老年患者的脑灌注与认知衰退。

Q2：它和普通影像数据集有何不同？
它是观察性研究的多模态数据，主体为生理信号（TCD、ECG、足底压力）与表格临床数据、认知量表，MRI 只是其中一个模态。它不是影像集，也不是挑战赛数据集。

Q3：受试者组成如何？
140 例：70 例 2 型糖尿病患者 + 70 例健康对照，年龄 50-85 岁。

Q4：核心测量是什么？
用经颅多普勒测 ACA/MCA 血流速度，用 3T ASL MRI 测区域脑血流与 CO2 血管舒缩反应性，并同步记录心血管与呼吸变量，配合认知量表与步态/平衡测量。

Q5：为什么叫"脑灌注"？
因为糖尿病改变血脑屏障通透性与微循环调节，直接冲击脑的血流供应；“灌注”（血流速度、分布、调节能力）是最贴近机制的测量层。

Q6：谁维护/发布它？
由 BIDMC/哈佛医学院团队采集，经 PhysioNet 平台公开发布（v1.0.1，2022-08-05）。

B. 数据与获取

Q7：怎么下载？
访问 https://physionet.org/content/cerebral-perfusion-diabetes/，注册登录后按内容页数据使用条款下载。

Q8：数据有多大？
开放格式数据文件位于 data 目录，官方标注约 5GB，含 labview（TCD）、ecg（24h，1000 Hz）、pedar（足底压力）三类。

Q9：许可是什么？
本次核验未能在公开页面确认明确许可名，须登录内容页确认数据使用条款；PhysioNet 数据集普遍要求署名且禁止再识别。详见附录 S。

Q10：MRI 原始影像包含在下载里吗？
数据说明称 MRI 处理结果在 summary table，但原始影像上传状态需登录核对（姊妹研究 GE-71 明确标注 MRI 未上传）。不要默认一定包含。

Q11：文件之间怎么关联？
表格元数据与 data 信号分离，必须按受试者编号（如 S0328）键匹配整合，注意 GE-75_files_per_subject.csv 列出的文件清单。

C. 数据内容与测试范式

Q12：有哪些测试范式？
baseline、hyperventilation（低碳酸血症）、CO2 rebreathing（高碳酸血症）、Valsalva maneuver、head-up tilt（70°）、sit-to-stand（睁眼/闭眼）。

Q13：为什么要做 hyperventilation 和 CO2 rebreathing？
这是一对反向的 CO2 刺激，用来测量脑血管舒缩反应性（CVR）——血管对 CO2 升降的收缩/扩张能力，是脑微血管功能的敏感指标。

Q14：ECG 采样率是多少？
24 小时 ECG/EMG 采样率 1000 Hz（ME6000 设备），覆盖睡眠、行走与 sit-to-stand。

Q15：足底压力有多少传感器？
99 个足底传感器，计算最大压力/最大力/平均压力/平均力/相对负载，并整段行走平均。

Q16：信号里的条件怎么区分？
labview 的 DB/DC 文件用 markers 在文件内分段标注各测试条件，解析时须先定位 markers 再切段。

D. 分析与使用

Q17：可以做哪些分析？
脑血管反应性（CVR）计算、脑自动调节的相位/增益分析、糖尿病 vs 对照的组间比较、认知/步态与脑灌注的关联、多模态表征学习等。

Q18：能用于机器学习训练吗？
可以，但样本仅 140 例，更适合作为方法学研究、算法验证或外部验证集，而非大规模预训练。

Q19：与姊妹数据集 CVD 如何配合？
CVD（GE-71）聚焦脑血管调节，CPD（GE-75）聚焦脑灌注，二者同族互补，可交叉验证；合并时注意年龄范围（50-85 vs 55-75）与样本差异。

E. 生产与合规

Q20：使用时要注意什么合规？
确认许可与数据使用条款、禁止再识别受试者、遵守原作者机构的伦理规范、按规范双引用（数据集条目 + Novak 2011 论文）。

事实清单（硬事实 28 条）

官方全称 “Cerebral perfusion and cognitive decline in type 2 diabetes”，简称 CPD，PhysioNet slug cerebral-perfusion-diabetes，研究编号 GE-75。
受试者 140 例：70 例 2 型糖尿病 + 70 例健康对照，年龄 50-85 岁。
采集机构：Beth Israel Deaconess Medical Center（BIDMC）/ 哈佛医学院；PI 为 Vera Novak，共同作者 Rodrigo Quispe、Charles Saunders。
数据集引用：Novak V, Quispe R, Saunders C (2022), PhysioNet, v1.0.1, doi:10.13026/whjz-e968, RRID:SCR_007345。
关联论文：Novak V, et al. Diabetes Care. 2011 Nov;34(11):2438-41, doi:10.2337/dc11-0969。
PhysioNet 发布时间：2022-08-05（v1.0.1）；版本链 v1.0.0 → v1.0.1。
IRB 批号：BIDMC #2005P000338；研究方案见 GE-75_Protocol.pdf。
眼科检查在 Beetham Eye Institute（Joslin 糖尿病中心）完成。
资助：NIH-NIA 1R01-AG0287601A2；American Diabetes Association（1-03-CR-23、1-06-CR-25）；Harvard CTSA UL1 RR025758；NCRR M01-RR-01032；Novak 另获 NIH-NIDDK 1R01DK103902-03、5R21 DK084463。
主要测量：经颅多普勒测 ACA 与 MCA 血流速度。
脑影像：3T 连续动脉自旋标记（ASL）MRI 评估区域脑血流与 CO2 血管舒缩反应性，含 T1/T2 加权与非侵入 MR 血管造影。
同步记录：ECG、血压、肱动脉超声、呼吸、CO2、O2。
测试范式：baseline、hyperventilation、CO2 rebreathing、Valsalva、head-up tilt（70°）、sit-to-stand（睁眼/闭眼）。
认知评估：一整套心理测量量表（认知与执行功能）。
步态/平衡：力板测姿态摇摆轨迹（内外侧/前后/垂直）与压力中心位移。
开放格式数据在 data 目录，约 5GB，分 labview（TCD）、ecg、pedar 三类。
ECG/EMG：24 小时，ME6000 设备，采样率 1000 Hz，覆盖睡眠/行走/sit-to-stand。
足底压力：99 个足底传感器，输出最大压力/最大力/平均压力/平均力/相对负载，整段行走平均。
元数据 CSV 四个：GE-75_files_and_channels.csv、GE-75_data_dictionary.csv（114,338 字节）、GE-75_data_summary_table.csv、GE-75_files_per_subject.csv。
数据字典含两名受试者实际取值示例。
汇总表变量维度：人口学、MRI、既往病史、用药、实验室、眼科检查、认知与行走测试。
主要假设：T2DM 与脑微血管病相关（血管调节与血流分布受损、MRI 白质改变、认知与运动表现改变）。
次要假设：血糖控制差加重复微血管病；额颞皮层与脑室周白质血流调节紊乱贡献 T2DM 成人执行功能障碍。
背景数据：糖尿病影响近 6.3% 美国人口（数据集 abstract 口径）。
姊妹数据集：cerebral-vasoreg-diabetes（GE-71，CVD），86 例（37 DM + 49 对照，55-75 岁），同团队脑血管调节研究。
同家族数据集：cded（GE-79，69 例）、cves（GE-72，120 例）。
获取方式：PhysioNet 公开（需登录）；许可名未在公开页面确证（见附录 S）。
第三方整合示例：GitHub Aastedet/ECG_DDA 将 GE-75/GE-79/GE-72/GE-71 按受试者编号键合并用于 ECG-糖尿病神经病变分类。

术语表（26 条）

术语	释义
2 型糖尿病（T2DM）	以胰岛素抵抗为主、血糖长期升高的代谢病，本数据集病例组病症
脑灌注（cerebral perfusion）	脑组织单位时间的血流供应，可由血流速度、区域脑血流等指标刻画
经颅多普勒（TCD）	用超声经颅骨窗测量颅内动脉（本数据集为 ACA/MCA）血流速度的技术
血流速度（BFV）	Blood Flow Velocity，TCD 直接测量的动脉血流速度
前动脉（ACA）	Anterior Cerebral Artery，经 TCD 监测的两条目标血管之一
中动脉（MCA）	Middle Cerebral Artery，经 TCD 监测的两条目标血管之一
脑自动调节（cerebral autoregulation）	脑维持恒定血流的自我调节能力，抗血压波动
脑血管调节（cerebral vasoregulation）	脑血管舒缩以维持脑血流的整体调控能力
血管舒缩反应性（CVR）	Cerebrovascular Reactivity，脑血管对 CO2 等刺激的收缩/扩张反应幅度
低碳酸血症（hypocapnia）	血液 CO2 分压降低，由过度通气诱导，致脑血管收缩
高碳酸血症（hypercapnia）	血液 CO2 分压升高，由 CO2 再呼吸诱导，致脑血管扩张
Valsalva maneuver	瓦氏动作：闭气用力使胸内压骤升后释放，用于检验脑自动调节
head-up tilt	直立倾斜试验：床面抬至约 70° 诱导体位性应激
sit-to-stand	坐立转换试验，分睁眼/闭眼，联合检验脑血流与平衡
动脉自旋标记（ASL）	Arterial Spin Labeling，无需对比剂的 MRI 脑灌注成像技术
区域脑血流（rCBF）	Regional Cerebral Blood Flow，脑内局部的血流供应量
血脑屏障（BBB）	Blood-Brain Barrier，糖尿病改变其通透性影响脑代谢与微循环
白质改变	MRI 上脑白质的信号异常，与微血管病相关
额颞皮层	Fronto-temporal cortex，与执行功能密切相关，本数据集关注其血流调节
脑室周白质	Periventricular white matter，脑室周围白质，易受缺血影响
力板（force plate）	测量姿态摇摆与压力中心的设备
足底压力分布	脚底各传感器的压力/力分布，用于步态分析
Pedar	足底压力测量系统品牌，本数据集的足底压力设备
ME6000	便携式生理信号采集设备，本数据集 24h ECG/EMG 使用
体位性低血压（OH）	Orthostatic Hypotension，站立时血压下降，与糖尿病自主神经病相关
DUA	Data Use Agreement，数据使用协议，PhysioNet 部分数据集下载前需接受

附录

附录 A：条目信息速查卡

项	内容
官方名	Cerebral perfusion and cognitive decline in type 2 diabetes
简称 / slug / 编号	CPD / `cerebral-perfusion-diabetes` / GE-75
平台	PhysioNet v1.0.1（2022-08-05）
规模	140（70 T2DM + 70 对照，50-85 岁）
核心模态	TCD 脑血流速度 + 3T ASL MRI + ECG/血压/呼吸 + 认知量表 + 步态
引用	doi:10.13026/whjz-e968 + 论文 doi:10.2337/dc11-0969
姊妹数据集	`cerebral-vasoreg-diabetes`（GE-71，CVD）
本条目互链	`/0` 占位（发布后由主会话回填）

附录 B：DAIMS 评估全表

见 §7 主表。综合评分 4.1/5，短板为样本规模（2/5）与标注语义层级（3/5），长板为元数据（5/5）与多模态性（5/5）。

附录 C：逐项证据链自证

事实	来源
140 例（70+70），50-85 岁	PhysioNet 内容页 abstract（实抓）
GE-75 编号、数据目录结构	PhysioNet 内容页 Data Description（实抓）
5GB、labview/ecg/pedar	PhysioNet 内容页 Data Description（实抓）
1000 Hz、99 传感器	PhysioNet 内容页（实抓）
2011 Diabetes Care 论文	PhysioNet 内容页引用段（实抓）
IRB/资助	PhysioNet 内容页 Acknowledgements/Ethics（实抓）
姊妹数据集 86 例（37+49，55-75 岁）	PhysioNet `cerebral-vasoreg-diabetes` 页（实抓）
家族数据集规模	GitHub `Aastedet/ECG_DDA`（实抓）
许可名	未确证（见附录 S）

附录 D：数据获取决策树

需要脑血流速度波形？ → 是 → 下载 data/labview（DB/DC 文件，按 markers 分段）
需要 24h 心电/肌电？ → 是 → 下载 data/ecg（1000 Hz）
需要足底压力？ → 是 → 下载 data/pedar（99 传感器）
需要临床/认知变量？ → 是 → 下载 data_description/*.csv（体积小，优先）
需要 MRI 原始影像？ → 先登录核对是否上传 → 是 → 下载；否 → 用 summary table 处理结果

附录 E：测试范式与信号分段对照表

范式	文件类型	生理刺激	关注指标
baseline	labview DB	静息	基准 BFV/BP/HR
hyperventilation	labview DB	低碳酸血症	CVR 收缩反应
CO2 rebreathing	labview DB	高碳酸血症	CVR 扩张反应
Valsalva	labview DB	胸内压波动	自动调节相位/增益
head-up tilt	labview DB	体位性应激	直立维持 BFV
sit-to-stand	labview DC	体位+前庭/视觉	BFV + 平衡摇摆

附录 F：数据处理骨架（SOP 模板）

下载并通读 data_description 全部 CSV；
按 GE-75_files_per_subject.csv 建立受试者编号 → 信号文件映射；
解析 labview markers，切分各测试条件；
对每条件计算 BFV 均值/变化率，配合同步 BP/HR/呼吸；
计算 CVR（hypercapnia/hypocapnia 反应幅度）与自动调节指标（相位/增益）；
从 summary table 取认知/步态变量，按受试者编号 join；
组间比较，控制协变量。

附录 G：脑血管反应性计算骨架（代码）

import numpy as np
def cvr_percent(bfv_rest, bfv_challenge):
    return (np.mean(bfv_challenge) - np.mean(bfv_rest)) / np.mean(bfv_rest) * 100.0
# hypercapnia 为正反应，hypocapnia 为负反应

附录 H：数据字典读取骨架（代码）

import pandas as pd
d = pd.read_csv("data_description/GE-75_data_dictionary.csv")
print(d.head(20))
# 逐变量核对：名称/描述/单位/示例值

附录 I：自动调节传递函数分析骨架（代码）

import numpy as np
from scipy.signal import csd
def transfer(bpv, bfv, fs):
    f, Pxy = csd(bpv, bfv, fs=fs)
    gain = np.abs(Pxy)
    phase = np.angle(Pxy, deg=True)
    return f, gain, phase   # 解读低频段(~0.1Hz)

附录 J：CPD 变量簇速查

簇	代表变量
人口学	年龄、BMI、性别、种族、吸烟/饮酒史
病史	糖尿病家族史、高血压、心脏病、卒中、自主神经症状
脑血管	ACA/MCA BFV 及各条件反应
脑影像	ASL 区域 CBF、CO2 反应性、白质改变
心血管/呼吸	ECG、BP、肱动脉、CO2、O2、呼吸
认知/运动	心理测量量表、力板摇摆、足底压力

附录 K：与姊妹数据集字段对齐建议

合并 CPD（GE-75）与 CVD（GE-71）时：统一受试者编号格式、对齐字段命名、记录年龄范围差异（50-85 vs 55-75）、区分研究批次，避免重复计数。

附录 L：单一中心偏倚的缓解建议

因数据仅来自 BIDMC，建议：（1）作为外部验证集使用时报告人群差异；（2）与其它中心数据合并前做分布偏移检验；（3）结论表述避免过度泛化。

附录 M：与姊妹条目（cerebral-vasoreg-diabetes）的关系声明

CPD 与 CVD 同属 BIDMC/Vera Novak 团队"糖尿病与脑血管"研究家族（GE-75 与 GE-71），共享测试范式与机构，但样本量、年龄范围、主题焦点不同（灌注 vs 调节）。本条目 frontmatter 互链写 /0 占位，发布后由主会话按实际 rid 回填。血缘与消歧说明仅在本正文，不进 frontmatter（遵循 R012）。

附录 N：研究者使用 CPD 前的检查清单（10 项）

登录确认许可与数据使用条款；2. 通读数据字典；3. 建立编号→文件映射；4. 写 markers 解析；5. 明确组间协变量；6. 核对 MRI 是否上传；7. 计划双引用；8. 评估样本量功效；9. 记录版本号 v1.0.1；10. 遵守禁止再识别。

附录 O：许可条款细读（存照）

本次核验中，PhysioNet 内容页的 license 字段未能成功抓取到明确许可名（WebFetch 返回空内容）。因此：

本条目不写死 “ODC-BY 1.0” 或 “CC BY 4.0” 等具体名称；
使用前必须登录 physionet.org/content/cerebral-perfusion-diabetes/ 查看数据使用条款；
通行原则：署名 + 禁止再识别 + 遵守 IRB 伦理规范；
该不确定性已登记于附录 S 双口径/待核表。

附录 P：双引用模板

Novak, V., Quispe, R., & Saunders, C. (2022). Cerebral perfusion and cognitive
decline in type 2 diabetes (version 1.0.1). PhysioNet. RRID:SCR_007345.
https://doi.org/10.13026/whjz-e968

Novak V, Zhao P, Manor B, Sejdic E, Alsop D, Abduljalil A, Roberson PK,
Munshi M, Novak P. Diabetes Care. 2011 Nov;34(11):2438-41.
doi:10.2337/dc11-0969.

附录 Q：坑点档案（与 §10 对照）

坑 1-11 详见 §10。其中坑 2（键匹配）与库内 R001 纪律一致；坑 6（许可勿臆断）与附录 O/S 一致；坑 5（MRI 存疑）与附录 S 一致。

附录 R：检索决策树

想要「糖尿病脑研究」数据？ → 脑灌注/认知 → 本条目 CPD
                              → 脑血管调节 → 姊妹条目 CVD（GE-71）
                              → 老年脑微血管病 → CDED（GE-79）
                              → 卒中脑血管调节 → CVES（GE-72）

附录 S：双口径/待核登记表（存照）

项	口径 A	口径 B	处置
许可名	内容页应有 license 字段	本次 WebFetch 未抓到	待核：按"以内容页条款为准"表述，不臆断
MRI 原始影像	数据说明称处理结果在 summary table	姊妹页 GE-71 标 “MRI not uploaded”	待核：登录核实 GE-75 是否上传 MRI
受试者年龄	CPD GE-75 = 50-85 岁	CVD GE-71 = 55-75 岁	分列，勿混用
数据大小	官方 “~5GB”	近似值	按"约 5GB"表述
pedar 上传	数据集含 pedar 目录	姊妹页写 “Portapress not uploaded”	待核：登录核实 GE-75 pedar 完整性
样本量	官方 abstract 70+70	GitHub “140 participants, 70 DM + 70 without”	口径一致，无冲突

附录 T：维护计划与触发点

触发点 1：PhysioNet 内容页更新许可名 → 回填附录 O 与 FACTS §6/§9；
触发点 2：确认 MRI 原始影像上传状态 → 更新 §3.3、§9 与附录 S；
触发点 3：姊妹条目 cerebral-vasoreg-diabetes 发布 → 回填 frontmatter relatedLink 与 §9 对照表的实际 rid；
触发点 4：PhysioNet 发布新版本 → 更新版本链与附录 A；
触发点 5：出现基于 CPD 的公开基准/加载脚本 → 增补 §7 生态小节。

附录 U：参考文献与来源

PhysioNet 内容页（主源）：https://physionet.org/content/cerebral-perfusion-diabetes/（HTTP 200，实抓）。
PhysioNet 版本页 v1.0.1：https://physionet.org/content/cerebral-perfusion-diabetes/1.0.1（实抓）。
PhysioNet 数据字典页：https://physionet.org/content/cerebral-perfusion-diabetes/1.0.0/data_description/GE-75_data_dictionary.csv（实抓）。
姊妹数据集页：https://physionet.org/content/cerebral-vasoreg-diabetes/（实抓，用于对照）。
第三方汇总：https://www.selectdataset.com/dataset/68f5be28ce98b86c6ac61f5c3e1a9fb3（实抓，佐证 70+70 与 50-85 岁）。
第三方整合示例：GitHub Aastedet/ECG_DDA（实抓，佐证家族数据集规模与键匹配实践）。
关联论文：Novak V, et al. Diabetes Care. 2011;34(11):2438-41. doi:10.2337/dc11-0969。
数据集引用：Novak V, Quispe R, Saunders C (2022). PhysioNet. doi:10.13026/whjz-e968。

附录 V：存照附录（原始文档缺陷与不确定项）

V-1 许可名未确证：见附录 O/S。PhysioNet 内容页 license 字段抓取失败，本条目不臆断具体许可名。
V-2 MRI 上传存疑：GE-75 标注 MRI 处理结果在 summary table；姊妹页 GE-71 明确 “MRI not uploaded”；GE-75 原始影像是否上传待核。
V-3 年龄口径差异：CPD 50-85 岁 vs CVD 55-75 岁，属真实差异非笔误，分列存照。
V-4 pedar 完整性存疑：姊妹页标注 “Portapress not uploaded”，GE-75 pedar 是否全量待核。
V-5 数据大小近似：5GB 为官方近似值。
V-6 样本量口径一致：abstract 与第三方汇总一致为 140（70+70），无冲突，记录以证已核。

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-10，抓取与核验时点见附录 A/C。事实陈述以 PhysioNet 官方内容页（cerebral-perfusion-diabetes + cerebral-vasoreg-diabetes）、PhysioNet 数据字典页、第三方汇总页与 GitHub 整合示例为源，三源互证核心数字（140 例 / 70+70 / 50-85 岁 / 5GB / 1000 Hz / 99 传感器）。许可名未确证、MRI 上传状态存疑、年龄范围差异等原始文档不确定项已在附录 O/S/V 存照。条目与库内姊妹条目 cerebral-vasoreg-diabetes（本批另一代理，/0 占位）以及 myocardial-perfusion-spect（rid 620）、big-mri、mimic-iv-ecg 等邻近条目互链，构成糖尿病-脑血管-脑灌注的检索面。后续维护触发点见附录 T。

§11 方法学深潜：脑血流速度测量与信号质量

11.1 经颅多普勒（TCD）的工作原理与窗口

经颅多普勒通过颅骨上的声学"窗"（temporal window，颞窗）发射低频超声（通常 2 MHz），利用多普勒效应测量颅内动脉中血细胞流动产生的频移，进而推算血流速度。CPD 的 TCD 测量目标是 前动脉（ACA）与中动脉（MCA）——这两条血管供应大脑前部与外侧部的主要皮层区域，其中 MCA 供应额颞皮层的很大一部分，与数据集关注的"执行功能"直接相关。

TCD 的技术要点：

窗口定位：颞窗位置存在个体差异（约 10-15% 的人颞窗不佳），研究需先做"TCD 窗"评估（见 Day 1 pre-tests）。
深度与角度：不同深度的采样容积对应不同血管（MCA 一般 45-60 mm 深度、ACA 一般 60-70 mm 深度）；与血管走向的夹角影响速度读数。
速度而非流量：TCD 给出的是"血流速度"，只有在血管横截面积恒定的假设下才能近似代表流量。在 CO2 刺激下血管直径可能变化，这是解读 CVR 时需注意的固有限制。

11.2 多条件分段的工程实现

labview 文件把多个测试条件串在一条连续记录里，条件之间用 markers 分隔。工程上的正确做法是：

先定位 marker 通道（数字或文本标记）；
依据 marker 的出现时刻切分信号段；
丢弃段与段之间的过渡（如体位改变本身引起的大幅波动）；
对每个稳定段计算统计量（均值、标准差、频谱）。

如果跳过标记解析、直接对整段信号求均值，会把基线、过度通气、Valsalva 等性质截然不同的段落混在一起，得到无意义的结果（见 §10 坑 3）。

11.3 脑自动调节的量化：相位与增益

脑自动调节（cerebral autoregulation）是脑在血压波动时维持血流相对稳定的能力。量化方法之一是传递函数分析：把血压（输入）与脑血流速度（输出）做互谱/互相关分析，得到不同频率下的增益（gain）与相位（phase）。

相位：反映脑血流速度相对血压变化的超前程度。相位越大，调节越"主动"、越快。
增益：反映血压波动传递到脑血流的比例。增益越低，缓冲越好。
通常取**低频段（约 0.1 Hz 附近）**解读，因为该频段最能体现自主调节的主动成分。

Valsalva 与 head-up tilt 范式提供了天然的血压扰动，是计算这些指标的理想窗口。糖尿病患者若表现出相位减小、增益增大，就提示自主调节受损。

11.4 血管舒缩反应性（CVR）的量化

CVR 量化相对直接：比较高碳酸血症（或低碳酸血症）条件下与基线条件下的血流速度变化率：

CVR(%) = (BFV_challenge - BFV_baseline) / BFV_baseline × 100

高碳酸血症下正常血管应扩张、BFV 上升；低碳酸血症下应收缩、BFV 下降。糖尿病微血管病若损害内皮与平滑肌功能，CVR 幅度会减小。CPD 通过 hyperventilation 与 CO2 rebreathing 这一对反向刺激，同时给出 CVR 的双向信息。

11.5 ASL MRI 的灌注测量原理

动脉自旋标记（ASL）是一种无需外源对比剂的 MRI 灌注技术：用射频脉冲"标记"颈部供血动脉中的水分子自旋，延迟后在脑组织成像，被标记的血液进入组织会改变局部信号，标记与未标记图像的差值即反映局部脑血流（CBF）。CPD 使用连续 ASL（CASL）在 3T 上采集，关注区域脑血流分布与对 CO2 的血管舒缩反应性。

ASL 的优势是无创、可重复；局限是信噪比相对较低、对运动敏感，且绝对定量依赖动脉输入函数的假设。分析时通常需要运动校正与部分容积校正。

§12 队列特征与研究设计细节

12.1 招募与分组

CPD 招募 70 例 2 型糖尿病患者与 70 例健康对照，年龄 50-85 岁。分组依据是糖尿病诊断，对照为无糖尿病者。研究未做逐例配对，因此两组在年龄、性别、共病（高血压、心脏病等）上可能存在分布差异。分析时的标准做法是把这些人口学与共病变量作为协变量纳入模型，或使用倾向评分匹配等方法来缓解混杂。

12.2 三个采集日的流程分解

采集日	内容	主要产出
Day 1	知情同意、病史、人体测量、TCD 窗、自主神经测试、抽血、眼科检查；24h ECG/EMG、足底压力	ecg、pedar 信号 + 部分临床变量
Day 2	head-up tilt 设备安装；Valsalva、hyperventilation、CO2 rebreathing、tilt、sit-to-stand、行走测试	labview 信号（TCD + 心血管 + 呼吸）
Day 3	3T MRI：T1/T2、MR 血管造影、连续 ASL	区域脑血流与 CO2 反应性（处理后入 summary table）

这种"分日采集"的设计既分散了受试者负担，也允许在不同生理状态下（睡眠/行走 vs 卧位挑战 vs 影像）分别测量。

12.3 认知与步态测量的作用

认知评估采用一整套心理测量量表，覆盖多个认知域（尤其是执行功能）；步态/平衡用足底压力与力板刻画。这些测量的意义在于提供功能结局端的锚点：如果糖尿病患者的脑灌注指标（如 CVR）与认知/步态指标相关，就为"脑微血管病驱动功能衰退"提供了横断面证据（注意：横断面相关不等于因果）。

§13 数据质量、局限与偏差

13.1 优势

多模态同步：脑血流、心血管、呼吸、步态、认知在同一批人、同一时点获得，便于机制关联。
协议一致：单一中心、标准化方案（GE-75_Protocol.pdf），跨受试者可比性好。
元数据优秀：专项数据字典 + 逐受试者文件清单 + 汇总表，降低了使用门槛。
测试范式完备：低/高碳酸血症、Valsalva、tilt、sit-to-stand 覆盖了脑血管调节的多个维度。

13.2 局限

样本量小：140 例（70+70），亚组分析（如按糖化血红蛋白分层、按视网膜病变分层）统计功效有限。
单中心：全部来自 BIDMC，人群构成与采集习惯可能存在中心特异性，跨中心泛化未经验证。
观察性设计：无法作因果推断，糖尿病组与对照组的差异受混杂影响。
年龄局限：50-85 岁，结论外推到年轻群体需谨慎。
标注语义层级有限：条件的划分依赖 markers，没有逐信号的语义级标注（如逐搏的伪迹标记）。
许可与影像获取不确定：许可名未确证、MRI 原始影像上传状态存疑，影响可复现性。

13.3 潜在偏差来源

选择偏差：能完成多日、多测试的受试者可能比一般糖尿病人群更健康（主动参与研究的健康志愿者效应）。
测量偏差：TCD 的窗口质量、操作者差异，ASL 的运动敏感，足底压力的步态变异。
回忆偏差：病史、吸烟/饮酒史依赖自我报告。
幸存者偏差：老年队列中重症个体可能未被纳入。

§14 应用场景与建模建议

14.1 适合的任务

脑血管反应性预测/分类：用人口学与临床变量预测 CVR 是否受损。
脑自动调节指标计算：基于 Valsalva/tilt 的传递函数分析。
多模态表征学习：融合 TCD、ECG、足底压力、认知量表。
糖尿病 vs 对照的组间差异分析：脑灌注指标的组间比较。
功能结局关联：脑灌注指标与认知/步态分数的关联建模。
方法学验证：作为外部验证集，检验 TCD/ASL 处理方法在其他队列的稳健性。

14.2 建模注意事项

样本量约束：140 例不宜训练深度大模型，推荐传统统计/树模型 + 交叉验证，或作为方法学试点。
类别不平衡与协变量：注意控制年龄、性别、共病。
时序信号预处理：TCD/ECG 需滤波、去伪迹、按 markers 分段。
数据泄漏防范：同一受试者的多个测试条件不可拆到训练/测试两侧。
可解释性：医学场景优先可解释模型（如广义线性模型、SHAP 增强的树模型）。

14.3 一个端到端分析样例（伪代码）

# 1) 载入元数据，构建受试者表
subj = load_summary("GE-75_data_summary_table.csv").set_index("STUDY")
# 2) 对每位受试者解析 TCD 信号，计算 CVR
for sid in subj.index:
    raw = load_labview(sid)
    segs = segment_by_markers(raw["signal"], raw["markers"])
    subj.loc[sid, "CVR_hyper"] = cvr_percent(segs["BASELINE"], segs["CO2"])
    subj.loc[sid, "CVR_hypo"]  = cvr_percent(segs["BASELINE"], segs["HYPER"])
# 3) 组间比较
from scipy import stats
dm = subj[subj["GROUP"] == "DM"]["CVR_hyper"]
ct = subj[subj["GROUP"] == "CONTROL"]["CVR_hyper"]
print(stats.ttest_ind(dm, ct, nan_policy="omit"))
# 4) 与认知分数关联
print(subj[["CVR_hyper", "COG_SCORE"]].corr())

§15 生态影响与后续研究

15.1 在 PhysioNet 糖尿病脑血管家族中的位置

CPD 是 PhysioNet 上 BIDMC/Novak 团队一系列糖尿病脑血管数据集之一（GE-71/72/75/79 体系）。这些数据集共同构成了一个围绕"糖尿病如何损害脑血管"的研究资源群，CPD 以"灌注 + 认知"为切入点。

15.2 第三方复用

GitHub Aastedet/ECG_DDA 项目把 CPD（GE-75）、CDED（GE-79）、CVES（GE-72）、CVD（GE-71）四个数据集合并，用于 ECG 信号上的糖尿病神经病变分类（三标签：neuropathy/healthy/noise）。它展示了两个重要实践：（1）跨数据集合并必须按受试者编号键匹配，去除重叠个体（该项目还特意把 CDED 中与 CPD 重叠的个体剔除）；（2）不同数据集的信号需要统一预处理。这为本数据集的复用提供了工程范本。

15.3 对临床与研究的启示

CPD 及其家族数据集提示：糖尿病对脑的影响可通过脑血流速度、血管反应性、脑灌注分布等中间表型来刻画，而这些表型有望成为脑血管并发症的早期预警特征。未来方向包括：纵向随访以建立因果链、跨中心验证以提升泛化、以及将脑灌注特征纳入糖尿病并发症风险模型。

15.4 与前作论文的谱系

数据集引用的核心论文 Novak et al. (2011, Diabetes Care) 报告了团队关于糖尿病脑灌注的早期发现。CPD 数据集则是支撑该系列研究、并面向更广泛二次使用的数据底座。研究者引用时，应把"数据集条目引用"与"原始论文引用"视为两条并列的引用义务。

§16 数据整合实战：跨模态对齐清单

16.1 键匹配的完整流程

# 建立"受试者编号 → 各类文件"的统一映射
meta = pd.read_csv("data_description/GE-75_files_per_subject.csv")
# meta 应为长表：subject_id, modality, filename
mapf = meta.groupby("subject_id")["filename"].apply(list).to_dict()
# 用受试者编号从 summary table 取临床变量
summary = pd.read_csv("data_description/GE-75_data_summary_table.csv").set_index("STUDY")
# 逐受试者合并（键匹配，非位置对齐）
rows = []
for sid, files in mapf.items():
    if sid in summary.index:
        rows.append({"subject_id": sid, "files": files, **summary.loc[sid].to_dict()})
df = pd.DataFrame(rows)

16.2 缺失值的三种来源与处置

未测/未上传：某模态对某受试者缺失（如 TCD 窗差导致无法测）——按缺失处理，勿填零。
条件缺失：某测试条件未完成——对应段缺失。
表结构缺失：变量在某些受试者上留空——按数据字典的缺失编码处理。

16.3 单位与时基统一

时间：确保所有时序信号的时间轴一致（采样率换算）。
单位：血压（mmHg）、血流速度（cm/s）、足底压力（kPa 或 N）等按数据字典统一。
通道：不同受试者文件的通道命名可能一致（同协议），但仍应逐文件核对。

16.4 质量控制的五个检查点

受试者编号在两份文件（summary 与 files_per_subject）中完全可键匹配；
markers 解析后每个条件的时长合理（非零、非异常长）；
信号无明显饱和/截断；
组间人口学分布已记录（年龄/性别/共病）；
输出的分析表行数等于预期受试者数（去重后）。

§17 常见问题深答（补充）

17.1 为什么同一 PI 要采集多个相邻数据集？

因为糖尿病对脑血管的影响是多侧面的，单一研究难以覆盖。GE-71 聚焦血管调节、GE-72 聚焦卒中、GE-75 聚焦灌注与认知、GE-79 聚焦老年微血管病——各自回答一个子问题，合起来逼近完整机制。这也意味着使用时应理解每个数据集的设计初衷，而非把它们当成可随意拼接的同一份数据。

17.2 脑血流速度能代表脑血流吗？

严格地说不能完全等价。TCD 测的是速度，脑血流=速度×血管横截面积。在血管直径变化时（如 CO2 刺激），速度与流量的关系会偏离。因此 TCD 更适合刻画"相对变化"与"调节反应"，而非绝对流量。若需绝对区域脑血流，应结合 ASL MRI。

17.3 为什么 Valsalva 和 tilt 都要做？

两者是不同的自主神经/血流动力学挑战。Valsalva 主要触发胸内压与血压的快速波动，检验动态调节；head-up tilt 触发持续的体位性应激，检验稳态下的重力应对。二者互补，能更全面刻画脑血管调节能力。

17.4 血糖控制如何进入分析？

数据集包含实验室变量（可按数据字典查找血糖相关字段）。次要假设明确关注"血糖控制差是否加重复微血管病"，因此用血糖/糖化指标分层或作为连续协变量是自然的分析路径。

FAQ（补充 24 问）

G. 数据细节追问

Q21：data_description 里的四个 CSV 各有什么用？
GE-75_files_and_channels.csv 说明文件与通道；GE-75_data_dictionary.csv 是变量字典（含两名受试者示例）；GE-75_data_summary_table.csv 是全员变量汇总；GE-75_files_per_subject.csv 是每位受试者的文件清单。

Q22：数据字典里的示例值有什么意义？
字典用两名受试者的实际取值作示例（如 S0328、S0342），帮助使用者理解变量格式与取值范围，但它只是示例，不是完整数据。

Q23：summary table 里都有哪些变量维度？
人口学、MRI 处理结果、既往病史、用药、实验室、眼科检查、认知测试与行走测试。这是"表格端"的完整变量集。

Q24：l 与 R 代表什么？
数据字典中出现的左右侧标记（如 f/m 表示父亲/母亲家族史成员、l/R 表示左右侧测值）。具体以字典说明为准——务必逐字读字典，勿凭常识臆测缩写。

Q25：为什么有的字段是 NO/YES 有的却是数字？
这是混合类型字段，布尔型（症状有无）与计数/连续型（年龄、包年）混排。读入时需按字典逐列指定类型，避免把数字型当字符串。

H. 姊妹数据集与家族

Q26：GE-75 与 GE-71 的编号有关系吗？
编号同属该团队的 GE 系列研究体系（GE-71/72/75/79），编号不同代表不同研究方案，不是版本号。

Q27：我可以把 CPD 与 CVD 合并训练吗？
可以，但需按受试者编号核对是否重叠、统一字段命名、记录年龄范围差异（50-85 vs 55-75），并区分研究批次作为协变量。

Q28：CDED 和 CVES 也能一起用吗？
技术上可以（第三方 ECG_DDA 就是这么做的），但各数据集主题与人群不同，合并前应明确分析问题，避免机械拼接。

I. 工程与复现

Q29：有没有官方加载脚本？
本次核验未见官方加载脚本；第三方 ECG_DDA 提供了合并示例。建议自建加载与校验流程。

Q30：信号文件是什么格式？
labview 为 LabVIEW 导出的开放格式（DB/DC），ecg 为 ME6000 导出，pedar 为足底压力系统导出。具体格式以文件与 channel 说明为准。

Q31：如何做伪迹处理？
常见做法：带通滤波（去除基线漂移与高频噪声）、剔除饱和段、依据生理合理性剔除异常跳变。TCD 需注意探头的瞬时脱落。

Q32：处理后如何验证？
用生理合理性检查（如 BFV 在生理范围内、CVR 方向正确：高碳酸血症上升、低碳酸血症下降）、组间分布检查、以及与文献报道范围的比对。

J. 合规与伦理

Q33：数据集是否满足 GDPR/HIPAA？
PhysioNet 数据集经去标识化与伦理审查；使用者仍需遵守自身辖区法规与内容页条款。

Q34：能用于商业用途吗？
取决于内容页许可条款（本次未确证，详见附录 O/S）。使用前务必确认；不同许可对商业用途的规定不同。

Q35：需要引用哪些内容？
数据集条目引用（doi:10.13026/whjz-e968）+ 原始论文（Novak 2011, doi:10.2337/dc11-0969）+ 视情况引用 PhysioNet 平台引用。

Q36：二次研究需要重新做伦理审查吗？
通常需要由研究者所在机构 IRB 确认（多数机构要求对二次数据使用做登记或审查）。

K. 与其他资源的关系

Q37：有别的老年脑灌注公开数据集可对照吗？
可参考库内 big-mri、老年脑影像队列类条目，以及神经系统邻近的 isles 等。

Q38：糖尿病相关的其他公开数据？
库内 big-ideas-glycemic-wearable（糖尿病可穿戴）、big-mri 等可作互补。

Q39：CDED 是什么？
Cerebromicrovascular Disease in Elderly with Diabetes（GE-79，69 例），同家族的老年糖尿病脑微血管病数据集。

Q40：CVES 是什么？
Cerebral Vasoregulation in Elderly with Stroke（GE-72，120 例：60 卒中 + 60 对照），同家族卒中脑血管调节数据集。

L. 结果解读

Q41：为什么强调"观察性"？
因为没有随机化，糖尿病组与对照组的差异可能由年龄、共病、用药等混杂造成，“关联"不能直接读成"因果”。

Q42：CVR 受损一定意味着糖尿病损害了血管吗？
不一定。CVR 受血压、CO2 反应、血管基础张力等多因素影响；受损只是"提示"血管功能异常，需结合其他证据。

Q43：脑血流速度慢就是灌注差吗？
不能简单等同。速度受血管直径影响；且"慢"未必等于"供血不足"。应结合 ASL 区域脑血流、认知与临床综合判断。

Q44：这个数据集能直接用于临床诊断吗？
不能。它是研究数据集（观察性、小样本、单中心），不构成诊断工具或临床指南依据。

附录 W：变量命名与常见字段清单（示意）

以下为数据字典中出现的字段类别示意（实际列名与取值以 GE-75_data_dictionary.csv 为准）：

类别	示意字段	说明
研究标识	STUDY（GE-75）	研究编号
完成状态	COMPLETED VISITS STATUS	完成的研究访问状态
分组	GROUP / DM	control vs diabetes
人口学	Age / HEIGHT (M) / MASS (KG) / BMI / Gender / Ethnicity / Race	年龄/身高/体重/BMI/性别/族裔/种族
病史	HTN（高血压）/ PREVIOUS & CURRENT TOBACCO USE / ALCOHOL	既往病史与生活史
家族史	cancer,# / HeartDisease / HTN / DM / Stroke	家族成员病史计数与类型
自主神经症状	Dizziness / Numbness / Painful feet / Syncope / OH	糖尿病自主神经病相关症状

附录 X：CPD 与常见误用对照

误用	正确做法
当影像集下载	先取 data_description 元数据，再按需取信号
文件顺序对齐	受试者编号键匹配
整段求均值	markers 分段后逐条件计算
混用 CVD 年龄	分别标注 50-85 / 55-75
假定含 MRI 原始影像	登录核实上传状态
臆断许可名	登录确认内容页条款
当逐例配对	作为独立两组，控协变量
读成因果	明确关联 vs 因果边界

附录 Y：FAIR 原则自评

原则	评估	说明
Findable（可发现）	优	PhysioNet + DOI + 版本号
Accessible（可访问）	良	公开，但需登录；部分资产状态待核
Interoperable（可互操作）	中	CSV 通用，但无统一社区 schema
Reusable（可复用）	良	元数据优秀，引用规范清晰，规模受限

附录 Z：缩略语速查

缩写	全称
CPD	Cerebral perfusion and cognitive decline in type 2 diabetes
CVD / CVd	Cerebral Vasoregulation in Diabetes
CDED	Cerebromicrovascular Disease in Elderly with Diabetes
CVES	Cerebral Vasoregulation in Elderly with Stroke
T2DM / DM	Type 2 Diabetes Mellitus / Diabetes Mellitus
TCD	Transcranial Doppler
BFV	Blood Flow Velocity
ACA / MCA	Anterior / Middle Cerebral Artery
CBF / rCBF	Cerebral Blood Flow / regional CBF
CVR	Cerebrovascular Reactivity
ASL / CASL	Arterial Spin Labeling / Continuous ASL
BBB	Blood-Brain Barrier
OH	Orthostatic Hypotension
BIDMC	Beth Israel Deaconess Medical Center
IRB	Institutional Review Board
DUA	Data Use Agreement
DAIMS	Data and AI Maturity/Management Self-assessment

附录 AA：基于 CPD 的研究检查清单（12 项）

确认许可与数据使用条款；
记录数据集版本（v1.0.1）；
通读数据字典，逐列确认类型；
建立受试者编号 → 文件映射；
实现 markers 分段；
校验信号质量与生理合理性；
明确组间协变量；
核实 MRI 原始影像状态；
评估样本量对应统计功效；
区分研究批次（如与 CVD 合并）；
双引用；
遵守禁止再识别。

附录 AB：与库内条目互链操作规范

frontmatter relatedLink 仅写纯 URL：https://www.qianfanghub.com/ai-ready-dataset/<slug>/0；
本条目主互链对象：cerebral-vasoreg-diabetes（本批姊妹条目，rid 待回填，占位 /0）；
次互链对象：myocardial-perfusion-spect（rid 620，灌注概念对照）、big-mri、mimic-iv-ecg、isles；
血缘与消歧说明一律写正文（§9、附录 M），不得进入 frontmatter（R012 纪律）。

附录 AC：检索关键词组合示范

目的	关键词组合
找本条目	`cerebral perfusion diabetes physionet` / `脑灌注糖尿病数据集`
找姊妹条目	`cerebral vasoregulation diabetes physionet`
找家族	`Novak diabetes cerebral BIDMC physionet`
找方法	`transcranial Doppler cerebral autoregulation dataset`
找影像	`arterial spin labeling cerebrovascular reactivity dataset`

FAQ（进阶 28 问）

M. 测试范式细问

Q45：head-up tilt 为什么是 70°？
70° 是常见的直立倾斜角度，能有效诱导体位性应激（相当于站立时重力分量的主要部分）而无需受试者真正站立，兼顾效应与安全。数据集在 tilt 前先静息 10 分钟以获取稳定基线。

Q46：Valsalva 做几次？
研究方案在静息后进行 Valsalva 动作测试两次（见方法描述）。重复是为了获取可比的稳定反应。

Q47：hyperventilation 持续多久？
方案中受试者过度通气约 3 分钟，随后进行 CO2 再呼吸测试。具体时长以 GE-75_Protocol.pdf 为准。

Q48：sit-to-stand 的睁眼/闭眼有何区别？
睁眼时依赖视觉输入维持平衡，闭眼时剥夺视觉、更依赖前庭与本体感觉。对比二者的脑血流与平衡反应，可分离视觉在调节中的作用。

Q49：行走测试在做什么？
受试者以正常步速行走约 5 分钟，足底压力系统记录整段行走的压力分布并平均，用于步态特征刻画。

Q50：为什么在卧位和立位都做 CO2 测试？
不同体位下脑血管的基线张力与调节状态不同，两位点测试可检验体位是否改变血管反应性。

N. 同步记录细问

Q51：血压怎么测？
方案中血压与 ECG、TCD、呼吸等同步监测（head-up tilt 与 sit-to-stand 环节均含血压）。具体方法以协议为准。

Q52：肱动脉超声测什么？
肱动脉（BRA）血流用于评估外周血管功能，与脑血流速度形成对照，帮助区分"全身血管功能"与"脑血管特异"的改变。

Q53：CO2/O2 监测的作用？
这是 CVR 计算的关键——必须知道血液 CO2 分压的实际变化，才能把"血流速度变化"归因于"CO2 刺激"，而非其它因素。

O. MRI 细问

Q54：ASL 与 BOLD 有何不同？
BOLD 反映血氧水平依赖的神经活动（间接、相对），ASL 直接测量脑血流灌注（可绝对定量）。CPD 用 ASL 是因为其主题是"灌注"本身。

Q55：为什么用 3T？
3T 相比 1.5T 提供更高的信噪比，对 ASL 这类信号较弱的技术尤其有利。

Q56：MR 血管造影在这里做什么？
在 CO2 挑战下结合血管成像，评估血管的舒缩反应性与形态，补充 TCD 的单点测量。

P. 数据字典与编码细问

Q57：变量名大小写敏感吗？
按字典原样读取，勿自行改写；跨数据集合并时再统一命名。

Q58：缺失编码有哪些形式？
数据字典通常会说明缺失的表示（空白、NA、特定码）。使用前核对，勿把缺失当零或当字符串。

Q59：家族史字段里的 f/m/s/b 是什么意思？
字典说明为家族成员缩写（f=father 父、m=mother 母、s=sister 姐妹、b=brother 兄弟、gp=grandparents 祖父母等）。逐字读字典，勿臆测。

Q. 统计与分析细问

Q60：组间比较用什么检验？
视变量分布：连续变量用 t 检验或非参数检验，分类变量用卡方。小样本建议优先非参数方法或 bootstrap。

Q61：多重比较如何校正？
变量多时用 FDR（Benjamini-Hochberg）或 Bonferroni 校正。

Q62：能做纵向分析吗？
CPD 主要为单次多时点采集，纵向随访有限；若需纵向，应结合同团队带随访设计的研究。

Q63：样本量够做机器学习吗？
140 例偏小，适合方法学试点、传统模型或作为验证集；深度模型易过拟合。

R. 合规与伦理细问

Q64：受试者编号是真实身份吗？
不是。编号（如 S0328）为去标识后的研究编号，禁止尝试再识别。

Q65：可以公开发布基于本数据集的衍生数据吗？
需先确认许可条款；通常衍生数据也须遵守原许可（署名、禁再识别等）。

Q66：引用时版本号要写吗？
要。写清版本（v1.0.1），因为不同版本可能内容有差异。

S. 工程复现细问

Q67：下载中断怎么办？
PhysioNet 支持断点续传；用支持续传的下载工具（如 rsync/wget -c）。避免反复整包重下。

Q68：信号太大，能否只取一部分受试者？
可以。按 GE-75_files_per_subject.csv 选择目标受试者的文件下载即可。

Q69：如何校验下载完整性？
核对文件大小与平台记录；如有校验和，逐文件核对。

Q70：能否转成 BIDS 格式？
可以，但需自建映射（数据集原始为非 BIDS 的 LabVIEW/CSV 格式），转换后应记录映射文件。

T. 结果与边界细问

Q71：CVR 的正常范围是多少？
文献报道范围因方法与血管而异，本条目不给出单一"正常值"；使用时应基于自建对照分布判定。

Q72：数据集能支持药物研究吗？
不直接支持。它记录的是观察性测量与用药史，不含干预实验。

Q73：结论能推广到 1 型糖尿病吗？
不能直接推广。研究人群是 2 型糖尿病，1 型糖尿病的病理机制不同。

Q74：数据能支持儿童/青少年研究吗？
不能。年龄为 50-85 岁。

附录 AD：GE-75 研究方案（Protocol）要点清单

依据 PhysioNet 内容页 Methods 与 GE-75_Protocol.pdf 概述整理，细节以原协议为准。

目的：确定 2 型糖尿病影响老年脑灌注的机制，以及血糖控制差如何贡献认知损害。
设计：观察性研究；70 例 T2DM + 70 例对照（50-85 岁）。
伦理：BIDMC IRB #2005P000338 批准；受试者签署知情同意。
Day 1：知情同意、病史、人体测量、TCD 窗评估、自主神经测试、抽血、眼科检查；24h ECG/EMG、足底压力。
Day 2：head-up tilt 设备安装；Valsalva、hyperventilation、CO2 rebreathing、tilt（70°）、sit-to-stand、行走测试，全程 TCD/ECG/血压/呼吸同步。
Day 3：3T MRI（T1/T2、MR 血管造影、连续 ASL）。
产出：labview/ecg/pedar 开放格式信号 + summary table 处理变量。

附录 AE：信号采集参数速查表

模态	采集日	设备/技术	关键参数
TCD 脑血流速度	Day 2	经颅多普勒	ACA/MCA，多测试条件
ECG/EMG	Day 1	ME6000	24h，1000 Hz
足底压力	Day 1	Pedar	99 传感器，整段行走平均
血压	Day 1/2	同步监测	与 TCD 同步
呼吸/CO2/O2	Day 2	气体分析	用于 CVR 归因
MRI	Day 3	3T，ASL	区域 CBF + CO2 反应性

附录 AF：脑灌注研究常用指标一览

指标	含义	本数据集可得性
BFV（ACA/MCA）	脑血流速度	可（TCD）
CVR	血管舒缩反应性	可（hyper/hypocapnia）
自动调节相位/增益	血压→脑血流传递特性	可（Valsalva/tilt）
区域 CBF	局部脑血流量	可（ASL，处理后）
白质改变	微血管病影像标志	部分（MRI 处理后）
认知/执行功能	功能结局	可（量表）
步态/平衡	运动功能结局	可（力板/足底压力）

附录 AG：与 DAIMS 各维度的证据对照

维度	评分	支撑证据
可发现性	5	DOI、版本、PhysioNet 检索
可访问性	4	公开但需登录；MRI/pedar 状态待核
元数据	5	数据字典 + 文件清单 + 协议
数据质量	4	单中心一致；信号需预处理
标注充分性	3	markers 分段，无逐段语义标签
多模态	5	八类以上模态
样本规模	2	140 例
伦理合规	5	IRB + 去标识 + 引用规范
标准兼容	4	CSV 通用；无 BIDS
文档复现	4	协议完整；无官方脚本

附录 AH：糖尿病脑血管并发症背景知识

AH.1 糖尿病与脑：从血糖到认知的链路

糖尿病对脑的影响通过多条并行通路实现：

微血管通路：长期高血糖导致微血管内皮功能障碍、基底膜增厚、毛细血管稀疏化，损害脑的微循环供应。
血脑屏障通路：高血糖与炎症改变 BBB 通透性，使神经毒性物质更易进入脑组织，影响区域代谢。
大血管通路：糖尿病加速动脉粥样硬化，增加卒中风险。
神经退行通路：胰岛素抵抗与脑内胰岛素信号异常被联系到阿尔茨海默病样病理。

CPD 的设计正好覆盖了第 1、2 条通路（脑灌注、微血管调节），这也是它把"脑血流"作为核心测量的原因。

AH.2 为什么"老年人的糖尿病"尤其值得研究

年龄本身即导致脑血管弹性下降、自动调节能力减弱。糖尿病叠加在老年血管老化之上，形成"双重打击"。因此老年糖尿病人群是脑血管并发症的高危人群，也是 CPD 选择 50-85 岁受试者的科学依据。

AH.3 认知功能与脑灌注的联系

脑的正常认知功能依赖充足且稳定的血流供应。慢性低灌注被认为通过慢性缺血、白质损伤与神经炎症，逐步损害认知，尤其是执行功能（依赖额叶）。CPD 关注"额颞皮层与脑室周白质"的血流调节，正是因为这二者与执行功能关系密切。

附录 AI：TCD 信号处理进阶指南

AI.1 伪迹类型与识别

伪迹类型	表现	处置
探头移位	信号突然消失或幅度骤变	标记并剔除该段
运动伪迹	高频大幅波动	滤波 + 剔除
包络不稳	血流速度包络不规则	谨慎解读，必要时剔除
呼吸耦合	与呼吸周期同步的波动	视为生理信号，勿误剔

AI.2 包络提取

TCD 波形通常需先提取包络（收缩期峰值、平均速度、搏动指数）。常用方法包括希尔伯特变换或峰值检测。搏动指数（PI）与阻力指数（RI）是反映下游血管阻力的常用派生指标。

from scipy.signal import hilbert
def envelope(x):
    return np.abs(hilbert(x))
def pulsatility_index(v_sys, v_dia, v_mean):
    return (v_sys - v_dia) / v_mean

AI.3 逐搏分析 vs 分段均值

逐搏分析：保留每搏信息，适合自动调节的动态分析；
分段均值：适合比较各测试条件下的稳态反应。

CPD 的 markers 分段适合做"分段均值 + 条件比较"，若要逐搏动态分析，需自行实现逐搏分割。

附录 AJ：可能的二次研究选题清单

糖尿病 vs 对照的 CVR 差异及其与血糖控制的关联；
脑自动调节相位/增益与认知分数的相关性；
白质改变与脑灌注指标的影像-生理关联；
步态/平衡指标与脑血流调节的关联；
多模态特征（TCD + ECG + 足底压力 + 认知）的融合建模；
与姊妹数据集 CVD 的跨队列一致性分析；
TCD 信号处理方法学的比较研究；
老年糖尿病患者脑血管并发症的风险分层。

附录 AK：数据使用常见错误档案

编号	错误	后果	纠正
E1	位置对齐文件与受试者	张冠李戴	按编号键匹配
E2	忽略 markers	条件混淆	先分段
E3	缺失当零	统计偏倚	按缺失处理
E4	混用年龄口径	描述错误	分列
E5	假定含 MRI	分析落空	先核实
E6	臆断许可	合规风险	先确认
E7	训练/测试泄漏	指标虚高	按受试者划分
E8	过度解读因果	结论错误	限定为关联

附录 AL：与库内检索面的衔接

本条目在千方库内与以下检索面衔接：

糖尿病-脑：big-mri、big-ideas-glycemic-wearable；
脑灌注/脑血管：myocardial-perfusion-spect（灌注命名）、isles（脑卒中）；
生理信号：mimic-iv-ecg、vitaldb；
老年队列：老年脑影像类条目；
姊妹条目：cerebral-vasoreg-diabetes（本批，/0 占位）。

通过"糖尿病 + 脑血管 + 生理信号 + 老年"四组关键词，可从多个入口命中本条目，形成完整的检索面。

附录 AM：本条目生产档案

项	内容
代理名	agent-e-cerebralpe
生产日期	2026-10-10
核验源	PhysioNet 内容页/版本页/数据字典页、姊妹数据集页、selectdataset、GitHub ECG_DDA
网络预算	WebSearch ×1、WebFetch ×2（均 ≤ 上限）
slug 查重	DB 仅命中 myocardial-perfusion-spect（不撞库）；writing/ 无同名目录
锁	agent-e-cerebralpe 创建
私有区	`.parts_agent-e-cerebralpe_1791595789_220747`
双口径存照	许可名、MRI 上传、年龄范围、pedar、大小、样本量（附录 S/V）

维度	内容
本质	2 型糖尿病老年患者脑灌注与认知衰退的观察性研究数据集（非挑战赛、非纯影像集）
团队	Beth Israel Deaconess Medical Center（BIDMC）/ 哈佛医学院，PI Vera Novak；共同作者 Rodrigo Quispe、Charles Saunders
平台	PhysioNet，`cerebral-perfusion-diabetes`（GE-75），v1.0.1（2022-08-05 发布）
规模	140 例 = 70 例 2 型糖尿病 + 70 例健康对照，50-85 岁
核心测量	经颅多普勒测 ACA/MCA 血流速度；3T ASL MRI 区域脑血流与 CO2 血管舒缩反应性
生理信号	labview（TCD，多测试条件）+ 24h ECG/EMG（1000 Hz）+ 足底压力（99 传感器），约 5GB
测试范式	baseline / hyperventilation / CO2 再呼吸 / Valsalva / head-up tilt / sit-to-stand
认知与步态	心理测量量表 + 力板姿态摇摆 + 足底压力中心位移
IRB	BIDMC #2005P000338；方案 GE-75_Protocol.pdf
资助	NIH-NIA 1R01-AG0287601A2；American Diabetes Association 等
姊妹数据集	cerebral-vasoreg-diabetes（GE-71，同团队脑血管调节研究，86 例）——见 §9 对照表
获取	PhysioNet 公开（需登录）；许可名以内容页数据使用条款为准

数据集	slug / rid	研究编号	主题	规模	与本条目关系
本条目 Cerebral perfusion and cognitive decline in T2DM	`cerebral-perfusion-diabetes`	GE-75	脑灌注 + 认知衰退	140（70 DM + 70 对照，50-85 岁）	本体
Cerebral Vasoregulation in Diabetes	`cerebral-vasoreg-diabetes`	GE-71	脑血管调节	86（37 DM + 49 对照，55-75 岁）	姊妹数据集（本批另一代理），互补
Cerebromicrovascular Disease in Elderly with Diabetes	`cded`	GE-79	老年糖尿病脑微血管病	69（55-75 岁）	同课题家族
Cerebral Vasoregulation in Elderly with Stroke	`cves`	GE-72	卒中老年脑血管调节	120（60 卒中 + 60 对照）	同课题家族
心肌灌注显像数据库	`myocardial-perfusion-spect`（rid 620）	—	心肌 SPECT 灌注	—	命名撞车，器官/模态不同
BIG MRI	`big-mri`	—	糖尿病脑 MRI	大样本	主题邻近（糖尿病+脑）
MIMIC-IV ECG	`mimic-iv-ecg`	—	生理信号/ECG	大样本	方法学可对照
ISLES	`isles` / `isles-2026`	—	脑卒中影像	—	神经系统邻近