信息速览
脑影像数据集常见的形态是一个压缩包加一份说明文件。HCP 不是这样。上千人的 3T 影像、两百人上下的 7T 影像、不到百人的脑磁图、一整套行为量表、家族结构与基因分型，分散在不同项目、不同访问层级、不同处理版本里。任何一次取数，都要先穿过一道账号与条款的门。
ConnectomeDB 就是这道门本身。它是 WU-Minn 人类连接组计划自 2013 年起使用的数据分发平台，部署在 XNAT 上，用项目组织数据，用数据使用条款分级授权，用发布批次给每次改动打时间戳。2026 年打开 db.humanconnectome.org，看到的前端已经换成 BALSA，ConnectomeDB 成为这个站点里的一个标签页；账号、条款、项目划分与下载通道仍然是它。
把它当成「又一个脑影像数据集」会处处碰壁：它没有统一的样本量，只有一组按模态分叉的口径；没有单一许可，只有两层条款；也没有永久稳定的下载路径，只有随前端迁移而改的入口。这一页讲三件事——它托管了什么、签字之后拿到什么、哪些数字不该混着用。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全名 | ConnectomeDB |
| 本质 | 数据分发平台，不是单一数据集 |
| 技术底座 | XNAT 实例，含影像归档、元数据库与 REST 接口 |
| 当前前端 | BALSA（Brain Analysis Library of Spatial Maps and Atlases），ConnectomeDB 为其一个标签页 |
| 入口 | https://db.humanconnectome.org/ |
| 运营方 | WU-Minn HCP 联盟；现由 Connectome Coordination Facility 管理 |
| 资助 | 美国 NIH Blueprint for Neuroscience Research |
| 托管项目数 | 首页可见四张项目卡；站点导航另列十余个项目 |
| 最大队列 | HCP-Young Adult 2025 |
| 行为学人数 | 1206 |
| 3T 影像人数 | 1113 |
| 处理后数据人数 | 1071（2025 版） |
| 7T 人数 | 182（站点卡片）／184（发布文档） |
| MEG 人数 | 95 |
| 访问分层 | Open Access 与 Restricted 两级 |
| 许可性质 | HCP 数据使用协议，非 CC 类开放许可 |
| 是否视为去标识 | 官方明确「不视为已去标识」 |
| 最近一次重打包 | 2025 年 8 月 11 日 |
§1 它要解决的具体麻烦
1.1 大科学项目的分发问题不是带宽，是权限的颗粒度
一个千人级多模态项目要发布数据，最先撞上的不是存储成本，而是隐私边界。同一批受试者身上，结构像可以公开，行为量表大部分可以公开，但「这个人是双胞胎中的哪一个」「他今年具体几岁」「他是左利手还是右利手」这三类信息一旦公开，配合公开的影像与家庭编号，就足以在小范围内指认个体。可这三类信息恰恰是做遗传度分析、做发育曲线、做利手校正时不能缺的。
于是分发被切成两层：一层是签字就能拿的 Open Access，另一层是要提交申请、由项目方审核的 Restricted。切分的依据不是数据大小，而是「这条字段与其他字段联立之后能不能指认人」。ConnectomeDB 的存在理由，就是把这套切分做成了一个可以运营的系统：账号、条款、项目、字段级授权、下载审计，全部落在同一处。
这件事听起来像行政工作，实际决定了三件很实际的事。第一，同一份影像可能对应两种可用性——影像本身在 Open Access，与它关联的年龄字段在 Restricted，你想做年龄回归就得走两道流程。第二，数据不能靠转发传播，每个使用者都要自己注册，团队协作的 onboarding 成本被写进了流程。第三，任何自动化流水线都必须先解决身份问题，匿名脚本跑不通，必须有凭证。
1.2 三条常见的错误期待
第一条，期待它是「HCP 数据集的官方下载页」。它确实是入口，但它同时是十几个项目的入口，每个项目的样本量、模态覆盖、条款版本都不同。把它当成单一下载页，最容易犯的错是拿 HCP-YA 的 1206 去描述整个平台。
第二条，期待「注册完就能拿到全部字段」。Open Access 给的是影像与多数行为学，Restricted 的家族结构、按年年龄、利手要另外申请，而且申请以课题组为单位，由 PI 出具承诺。没有这一步，做双胞胎遗传度分析基本无从下手。
第三条，期待「下载下来的数据是同一个版本」。平台按发布批次更新，2017 年的 1200 Subjects 包与 2025 年的重打包在处理管线上不同：2025 版对全部功能像重做了空间与时间独立成分分析以及偏置场校正，还剔除了部分受试者的处理后数据。跨年份混用，等于把两套管线当成一套。
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 千人级多模态健康脑影像 | 1113 人 3T 结构、静息态、任务态与弥散 | 够，是同类资源里覆盖最全的一档 |
| 同一批人的高场强复测 | 182 至 184 人的 7T，含静息态、电影观看、视网膜拓扑与弥散 | 够做方法学对照，不足以做 7T 大队列 |
| 脑磁图 | 95 人的静息态与任务态 MEG | 勉强，比例不足十分之一 |
| 行为与认知表型 | 1206 人的成套量表 | 够，且与影像同编号可直连 |
| 家族结构与遗传度分析 | Restricted 层的父母编号、同卵异卵判定 | 需申请，且不得再分发 |
| 纵向随访 | 46 人的行为学复测、45 人的影像复测 | 不够，只能做重测信度，做不了发展轨迹 |
| 临床人群 | 平台另有疾病相关项目，但需各自申请 | 看项目，不在 Open Access 主包内 |
| 儿童与老年 | HCP 寿命期项目另行发布 | 不在 HCP-YA 内，需去对应项目 |
| 标准化切分与基线 | 官方不提供训练/测试划分 | 不够，须自己按家庭分组 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 你要复现一篇 2016 年发表的 HCP 论文，结果对不上 | 平台保留多代发布包，可按年份取当时那一版 | 先确认论文用的是哪一次发布与哪一版管线，再决定取旧包还是在新包上重跑 |
| 你要做双胞胎遗传度估计，缺家族结构 | Restricted 层提供父母编号与基因验证的同卵异卵判定 | 由 PI 提交申请并列出组员，同时在 Open Access 侧先下影像 |
| 你要训练一个跨受试者配准模型，缺高分辨率模板 | 1113 人的 0.7 毫米结构像，配 MSMAll 配准结果 | 先取结构像与配准变形场，注意 2025 版已重打包 |
| 你在做脑磁图源定位，公开数据太少 | 95 人的静息态与任务态 MEG，与 MRI 同编号 | 先核对这 95 人是否都有同期 3T 结构像，再看空房间记录 |
| 你要验证管线鲁棒性，需要一个可复现的大样本 | 原始数据与处理后数据在同一项目下并存 | 从原始包起跑自己的管线，再与官方处理结果对照 |
| 你在写数据管理方案，需要一个受控分发的范例 | 两层条款、字段级授权、下载审计的完整实现 | 读条款原文而非二手总结，尤其 Restricted 的发表限制段 |
| 你的团队要接入，担心合规 | 官方要求每个使用者自行注册同意 | 把注册与同意写进团队 onboarding 清单，别只让一个人签 |
1.5 一句话判断
它的价值不在「有多少人」，而在「同一批人被切成了几层、每层要签什么字」；不理解这层切分，拿到手的数字一定对不上。
1.6 不适合谁：四条边界
不适合想一次打包带走的团队。 平台按项目与模态分包，HCP-YA 全量原始数据是 TB 级，处理后数据也在数百 GB 量级。没有本地存储规划与断点续传方案，下载会反复失败。官方为此另设了硬盘邮寄与云端计算两条路。
不适合把 1206 当影像样本量的分析。 有行为学的人不一定有影像，有影像的人不一定有处理后数据。用 1206 去估算统计功效，会高估约一成。
不适合做严格独立同分布假设的建模。 样本以家庭为单位招募，同卵双胞胎的影像相关性远高于无关个体。任何默认样本独立的交叉验证都会偏乐观。
不适合拿它替代临床队列。 全部受试者经筛查为健康青年，没有诊断标签、没有用药记录、没有随访结局。想在它上面做疾病分类，只能做「健康对照」那一侧。
§2 数据构成与规格
2.1 平台不是一个数据集，是一组项目
ConnectomeDB 的最小组织单位是项目。一个项目对应一次发布、一套条款、一组受试者编号。首页可见四张项目卡，站点导航另列出十余个关联项目，二者的口径不同：首页卡片是当前可下载的发布包，导航列出的是整个 HCP 家族的谱系。
| 项目 | 内容 | 规模（官方口径） | 最近更新 |
|---|---|---|---|
| HCP-Young Adult 2025 | 3T 与 7T 影像、MEG、行为学 | 影像 1113／MEG 95／7T 182／行为 1206 | 2025 年 8 月 |
| HCP-Young Adult Retest 2025 | 同一批人的第二次全套采集 | 影像 45／行为 46 | 2025 年 8 月 |
| Aging Adult Brain Connectome | 中老年队列 | 站点卡片未列规模 | 见项目页 |
| MGH HCP Adult Diffusion | 300 mT/m 梯度专用扫描仪的弥散数据 | 35 | 2014 年 8 月 |
| HCP Development | 发育期队列 | 见项目页 | 见项目页 |
| Lifespan Baby Connectome Project | 婴幼儿队列 | 见项目页 | 见项目页 |
| Lifespan Developing Human Connectome Project | 新生儿队列 | 见项目页 | 见项目页 |
| 疾病相关连接组项目（十四项） | 阿尔茨海默、癫痫、早期精神病、抑郁、低视力等 | 各项目自定 | 各自更新 |
| Dual Mechanisms of Cognitive Control | 关联研究 | 见项目页 | 见项目页 |
十四项疾病相关项目按站点导航原文依次是：阿尔茨海默病连接组、阿米什连接组、焦虑与抑郁连接组（BANDA）、中央视野丧失后的视皮层连接变化、家族性与散发性额颞叶变性的连接组成像、脑老化与痴呆中的连接组学、焦虑性痛苦的维度连接组学、癫痫连接组、早期精神病连接组、低视力与失明及视力重建连接组、情绪障碍连接组（HCP-DES）、神经断开与精神病理中的视觉知觉异常、难治性抑郁的快效治疗扰动连接组（PDC）、阿尔茨海默病亚型间的结构与功能连接组。
这些项目的加入方式并不一致。有的由 HCP 联盟自己采集，有的由外部课题组按 HCP 式协议采集后提交，条款也各自独立——AABC 有自己的数据使用协议，BALSA 页面上的同意弹窗逐条列出，与其他项目不共用。
| 对比项 | 单数据集 | ConnectomeDB |
|---|---|---|
| 组织单位 | 一次发布 | 项目，每项目一套条款 |
| 样本量 | 一个数 | 按项目与模态分叉 |
| 版本 | 一个版本号 | 按发布批次打时间戳 |
| 许可 | 一个许可 | 每项目一份协议 |
| 入口 | 一个下载链接 | 账号加条款门禁，多通道 |
| 受试者编号 | 项目内唯一 | 跨项目可复用，需配会话区分 |
2.2 字段与记录的完整字典
平台的记录分两层。受试者层回答「这个人是谁、有什么表型」，影像层回答「这个人做了哪些序列、文件在哪」。两层用受试者编号关联，编号形如六位数字，在不同项目中保持一致，这一点在做纵向或跨模态连接时很关键，也很容易踩坑——Retest 项目的受试者沿用第一次访问的编号，下载解包后的目录结构与主项目完全一致，覆盖安装会把第一次访问的数据冲掉。
| 字段 | 层级 | 含义 | 可见性 |
|---|---|---|---|
| subject_id | 受试者 | 六位受试者编号，跨项目复用 | 公开 |
| project | 受试者 | 所属项目，如 HCP-YA、Retest | 公开 |
| session | 受试者 | 会话类型，3T、7T、MEG、Retest | 公开 |
| gender | 受试者 | 性别 | 公开 |
| age_in_years | 受试者 | 按年年龄 | 受限 |
| handedness | 受试者 | 利手评分与分类 | 受限 |
| mother_id / father_id | 受试者 | 父母编号，用于重建家庭 | 受限 |
| zygosity | 受试者 | 同卵异卵，分自报与基因验证两版 | 受限 |
| race / ethnicity | 受试者 | 自报族裔 | 公开 |
| cognition_scores | 受试者 | 认知成套测验分数 | 公开 |
| personality_scores | 受试者 | 人格量表分数 | 公开 |
| mental_health | 受试者 | 精神健康量表与访谈 | 部分受限 |
| qc_issue | 受试者 | 质量标记，标注解剖、处理或噪声问题 | 公开 |
| series_id | 影像 | 序列编号与名称 | 公开 |
| modality | 影像 | T1w、T2w、rfMRI、tfMRI、dMRI、MEG | 公开 |
| scan_time | 影像 | 采集时长 | 公开 |
| processing_level | 影像 | 原始、最小预处理、扩展处理 | 公开 |
| pipeline_version | 影像 | 处理管线版本号 | 公开 |
| file_uri | 影像 | 文件在归档中的路径 | 公开 |
影像层的字段名与取值随管线版本变化，官方数据字典按发布批次各自维护，没有一份跨版本通用的总表。这一点在做跨年份合并时要特别小心。
2.3 一条记录的完整解剖
以 HCP-YA 的一个受试者为例，下载解包后的目录大致如下。结构不是随意排的：第一层是受试者，第二层是模态与处理级别，第三层是序列，第四层才是文件。这个层次与 XNAT 的资源模型一一对应，所以用接口取数时，路径可以直接由「项目—受试者—会话—序列」推出来。
HCP_1200/
100307/
T1w/
T1w.nii.gz
T1w_acpc_dc_restore_brain.nii.gz
T1w_acpc_dc_restore_brain_1mm.nii.gz
T2w/
T2w_acpc_dc_restore_brain.nii.gz
MNINonLinear/
T1w.nii.gz
Results/
tfMRI_EMOTION_LR/
tfMRI_EMOTION_LR_Atlas_MSMAll_hp2000_clean.dtseries.nii
tfMRI_EMOTION_LR_ev.txt
rfMRI_REST1_LR/
rfMRI_REST1_LR_Atlas_MSMAll_hp2000_clean.dtseries.nii
rfMRI_REST1_RL/
rfMRI_REST1_RL_Atlas_MSMAll_hp2000_clean.dtseries.nii
diffusion/
100307_dwi.nii.gz
100307_dwi.bval
100307_dwi.bvec
MEG/
R_MEG_1/
R_MEG_1_MEG.nii
| 层级 | 目录 | 装的是什么 | 常见误读 |
|---|---|---|---|
| 一 | 受试者编号 | 一次访问的全部数据 | 以为 Retest 会换编号 |
| 二 | 模态目录 | 该模态的原始与派生文件 | 以为每个模态都有同一套派生文件 |
| 三 | 序列目录 | 单个 run 或单次扫描 | 把 run 当受试者计数 |
| 四 | 文件 | NIfTI、CIFTI、文本、二进制 | 把 dtseries 当普通四维影像 |
| 旁支 | MNINonLinear | 标准空间结果 | 与 ACPC 原生空间混用 |
| 旁支 | Results | 任务统计与时间序列 | 以为所有任务都有同等统计输出 |
2.4 发布批次与口径差异
平台的历史由一串发布批次构成。每一次都改一点东西：加受试者、换管线、改打包方式。理解这些批次，是避免把不同版本的数据混进同一个分析的前提。
| 发布日期 | 批次 | 行为学人数 | 结构像人数 | 其他 |
|---|---|---|---|---|
| 2014-03-04 | MEG1 | — | — | 14 名参与者，10 套完整 MEG 数据集 |
| 2014-08-01 | 寿命期预试 | — | — | 6 个年龄组，3T 与 7T 混采 |
| 2014-08-01 | MGH 成人弥散 | — | 35 | 20 至 59 岁，300 mT/m 梯度 |
| 2014-11-25 | 500 Subjects + MEG2 | 542 | 526 | 67 人有 MEG |
| 2015-12-08 | 900 Subjects | 970 | 897 | 95 人有 MEG |
| 2017-03-01 | 1200 Subjects | 1206 | 1113 | 46 人复测，184 人有 7T |
| 2017-07-21 | 1200 扩展处理 | 同上 | 同上 | 组平均、组 ICA、连接组矩阵 |
| 2025-08-11 | HCP-YA 2025 | 1206 | 1113 | 处理后 1071，与寿命期项目统一打包 |
三个数经常被混用，值得单独拆开看：
| 数字 | 指什么 | 从哪来 | 能不能当影像样本量 |
|---|---|---|---|
| 1206 | 有行为学数据的受试者总数 | 2025 版项目卡与 1200 发布文档一致 | 不能 |
| 1113 | 有 3T 影像的受试者数 | 2025 版项目卡 | 能，作为上限 |
| 1071 | 2025 版有处理后数据的受试者数 | 2025 版发布说明 | 能，作为实际可用量 |
| 182 | 2025 版项目卡上的 7T 人数 | 站点卡片 | 能，但需与文档口径核对 |
| 184 | 发布文档里的 7T 人数 | 1200 发布文档 | 能，同上 |
| 95 | 有 MEG 的受试者数 | 2017 与 2025 两处一致 | 能 |
7T 的两个数并存，官方没有解释差额构成。合理推测是卡片按「当前可下载」统计、文档按「曾采集」统计，但这只是推测。写作时只能说存在两个口径，不能替官方下结论。§4.3 的案例说明这类口径差并非纸面问题——一旦进入复现流程，它会与管线差异叠加成一片查不清的迷雾。
2.5 与 HCP 主数据集词条的字段差异
库内已有一条 HCP 主数据集词条，讲的是数据本身；这一页讲的是承载它的平台。两者的字段关注点不同，混着看会重复。
| 维度 | HCP 主数据集词条 | 这一页 |
|---|---|---|
| 关注对象 | 影像与行为学的内容、模态、协议 | 账号、条款、项目、版本、通道 |
| 样本量 | 1206 人及其模态覆盖 | 平台侧各项目的规模口径 |
| 核心问题 | 数据长什么样、能做什么分析 | 怎么拿到、签什么字、拿到哪一版 |
| 协议参数 | 主战场 | 只作为「取数时要核对什么」出现 |
| 许可 | 数据使用协议的内容 | 两层条款的申请流程与再分发限制 |
| 边界 | 人群与模态的局限 | 版本漂移、路径变迁、口径分叉 |
一句话区分：那一条回答「它是什么」，这一页回答「它放在哪、谁有钥匙、钥匙有几把」。
§3 平台身份：三层结构叠在一处
3.1 物理层、治理层、展示层
ConnectomeDB 之所以难描述，是因为它同时是三种东西。物理层是一个 XNAT 实例，管影像归档与元数据；治理层是一套条款与账号体系，管谁能看什么；展示层是网页界面，2025 年起由 BALSA 承担。三层各自演进，速度不同，于是出现「界面换了、接口没换」「接口改了、条款没改」这类错位。
| 层 | 承担什么 | 变更频率 | 使用者感知 |
|---|---|---|---|
| 物理层 | 影像归档、元数据库、REST 接口 | 低 | 下载速度、断点续传、路径 |
| 治理层 | 账号、条款、字段级授权、审计 | 中 | 注册流程、申请周期、合规要求 |
| 展示层 | 页面、检索、预览、项目卡 | 高 | 找不找得到按钮、旧链接是否失效 |
把三层分开看，很多困惑会消失。比如「为什么登录页和文档里的截图不一样」是展示层变了；「为什么脚本去年能跑今年报错」多半是展示层改了路由而接口没动，或接口版本升级；「为什么同一个字段有人能看有人不能」是治理层的字段级授权。
3.2 一张身份卡
| 项 | 值 | 说明 |
|---|---|---|
| 正式名称 | ConnectomeDB | 官方文档与条款中一致使用 |
| 中文常用叫法 | 连接组数据库 | 非官方译名，指同一对象 |
| 域名 | db.humanconnectome.org | 2026 年打开为 BALSA 前端 |
| 底座 | XNAT | 官方隐私声明称数据存放于 XNAT 服务器 |
| 前端 | BALSA | 空间图谱库，含 Studies 与 Reference 两类内容 |
| 归属 | WU-Minn HCP 联盟 | 华盛顿大学、明尼苏达大学、牛津大学 |
| 现运营 | Connectome Coordination Facility | 承接 HCP 后续项目的数据协调 |
| 资助 | NIH Blueprint for Neuroscience Research | 多家 NIH 院所联合 |
| 首个发布 | 2013 年 | 概述论文称首季经 ConnectomeDB 发布，归档批次始于 2014 年 3 月 |
| 主要用途 | 受控分发多模态脑影像与表型 | 非计算平台，不提供在线分析 |
3.3 与其他四类资源的身份差异
同样是「拿到脑影像」，四种渠道的治理逻辑完全不同。分不清这一点，会在合规与工程两头同时出问题。
| 类型 | 代表 | 门禁形式 | 再分发 | 版本稳定性 |
|---|---|---|---|---|
| 受控平台 | ConnectomeDB | 账号加条款，字段级授权 | 禁止，须各自注册 | 按发布批次，旧包保留 |
| 开放仓库 | OpenNeuro | 数据集级许可，多数无需申请 | 依许可而定 | 数据集版本号 |
| 联盟站点 | FCP-1000 类多中心项目 | 站点注册或匿名 | 依站点规定 | 站点自管 |
| 云市场 | AWS 开放数据 registry | 部分匿名，部分受控 | 依许可 | 桶内对象更新 |
ConnectomeDB 属于第一类。它跟开放仓库最大的区别不在于「要不要注册」——很多开放仓库也要注册——而在于授权粒度：它是字段级的。同一个受试者的影像可以下，年龄不能；这两件事发生在同一个项目里，用同一套界面，靠条款区分。
§4 质量与特色：版本、管线与它留下的痕迹
4.1 处理管线是它真正的产品
平台分发的不是原始扫描，而是原始扫描加一整套官方处理结果。这套处理决定了数据的可用性下限，也决定了复现的难度。核心是三步：最小预处理、跨受试配准、去噪。
| 步骤 | 做什么 | 影响的文件 | 版本敏感度 |
|---|---|---|---|
| 最小预处理 | 梯度非线性校正、配准、畸变校正、重采样到标准空间 | 全部 NIfTI 与 CIFTI | 高 |
| MSMAll 配准 | 用多模态表面特征做跨受试对齐 | 表面与灰质ordinates | 高，缺完整静息态会失败 |
| ICA-FIX 去噪 | 用独立成分分类剔除噪声成分 | 功能像时间序列 | 高 |
| 弥散预处理 | EDDY 与 TOPUP 校正 | 弥散张量与bedpostX | 高，2017 年统一重跑过 |
| 偏置场校正 | 修正射频场不均 | 结构像与功能像 | 2025 版新增全量重做 |
同一份数据在两次发布中的处理差异，会直接改变统计结果。弥散数据尤其明显：2017 年的 1200 发布把全部弥散的预处理重跑了一遍，换用了更新版本的 EDDY，改进了切片异常检测以去除头动引起的噪声。官方在那份文档里明确写了一句：此前发布的弥散数据不应与这次的数据混在同一分析里。
4.2 处理级别与文件形态
| 处理级别 | 内容 | 体量 | 适合谁 |
|---|---|---|---|
| 原始 | DICOM 转换后的未处理影像 | 最大 | 要跑自己管线的人 |
| 最小预处理 | 配准与畸变校正后的 NIfTI 与 CIFTI | 大 | 大多数方法学研究 |
| 扩展处理 | 去噪、组平均、组 ICA、连接组矩阵 | 中等 | 直接做连接组分析的人 |
| 汇总层 | 组平均表面、分区、矩阵 | 小 | 教学、快速验证、可视化 |
扩展处理是很多人真正用到的层。它把 ICA-FIX 之后的静息态时间序列、组独立成分、以及基于这些成分算出的连接组矩阵一起发布，省掉了重复跑管线的时间，代价是你必须接受官方选定的参数——滤波截止、成分数、去噪策略都固定了。
4.3 案例：一次跨年份的复现失败
设想一位研究者在 2026 年复现 2016 年的一篇静息态连接组论文。他按当前站点下载了 HCP-YA 2025 的全套处理后数据，跑同一套流程，得到的组水平连接矩阵与论文里的图不一致，差异集中在默认网络与前额叶的连接强度上。
拆开来有三处偏差叠加。第一处是样本：2025 版剔除了处理出错与缺少完整静息态扫描的受试者，处理后数据从更早批次的人数降到 1071，进分析的人不一样。第二处是管线：2025 版对全部功能像重做了空间与时间独立成分分析以及偏置场校正，去噪后的时间序列本身就变了。第三处是配准：MSMAll 的输入若缺一个完整 run 就无法完成，被剔除者的家属仍在样本里，家庭结构被打破，组水平的加权也随之变化。
这类失败不是数据质量问题，而是版本问题。可操作的做法是：先从论文的方法段确认它引用的是哪一次发布、哪一版管线，再去平台取对应批次的旧包；如果旧包已下架，就在新包上重跑并在文中说明偏差来源。§4.3 的案例说明一件事——在这个平台上，「哪一版」和「多少人」同等重要。
4.4 官方质量控制留下了什么
平台在受试者层维护一个质量标记字段，用来标注解剖、处理或噪声方面的问题。官方说明这些问题的显著程度不足以把受试者的影像排除出发布，因此标记是提示性的，不是过滤条件。
| 质量控制信号 | 落在哪 | 怎么用 | 不能怎么用 |
|---|---|---|---|
| 质量标记 | 受试者层字段 | 做敏感性分析时排除 | 当作已剔除名单 |
| 缺失序列 | 影像层目录 | 建可用性掩码 | 用总数减缺失当准确人数 |
| 7T 覆盖 | 项目层 | 限定 7T 分析样本 | 假设 7T 与 3T 同人同质 |
| MEG 覆盖 | 项目层 | 限定 MEG 分析样本 | 假设 MEG 与 MRI 同期 |
| 处理后缺失 | 发布说明 | 确认分析样本 | 把 1071 当影像总数 |
§5 怎么拿到：账号、条款、通道
5.1 两级访问的实际差别
Open Access 与 Restricted 的差别不只是「能不能下」，而是「能不能在论文里写」。
| 项 | Open Access | Restricted |
|---|---|---|
| 覆盖内容 | 全部影像与多数行为学 | 家族结构、按年年龄、利手等 |
| 取得方式 | 注册账号并在线同意 | 提交申请，由 PI 承诺，列出组员 |
| 审核周期 | 即时 | 视申请而定，官方未公布时限 |
| 条款版本 | 2013-04-26 更新 | 2022-02-11 更新 |
| 发表限制 | 需按指引致谢、不得单独署名联盟 | 对写入论文与公开报告有重大限制 |
| 再分发 | 禁止，合作者须自行注册 | 禁止，且限制更严 |
| 审计 | 下载行为记入账号 | 同左，另有申请材料存档 |
条款文本里有一句必须原样理解：官方明确表示发布的数据不被视为已去标识化，理由是某些受限字段组合起来可能指认个体。这句话的实际后果是，使用方往往需要所在机构的伦理审查或豁免，才能合规开展研究。官方也说明，若需要，可出具一份证明，说明使用方已接受条款。
5.2 接口形态
平台跑在 XNAT 上，因此具备 XNAT 的标准 REST 接口：先取会话，再用会话访问资源。接口路径以 /data 开头，返回 JSON 或 XML。展示层迁移不影响接口语义，但可能影响个别路由。
| 用途 | 方法 | 路径样式 | 返回 |
|---|---|---|---|
| 取会话 | POST | /data/JSESSION | 会话标识 |
| 列项目 | GET | /data/projects?format=json | 项目列表 |
| 列受试者 | GET | /data/projects/{项目}/subjects | 受试者列表 |
| 列会话 | GET | /data/projects/{项目}/subjects/{编号}/experiments | 会话列表 |
| 列扫描 | GET | /data/experiments/{会话}/scans | 扫描列表 |
| 取文件 | GET | /data/experiments/{会话}/scans/{扫描}/resources/{资源}/files | 文件流 |
#-- 1. 先看入口现在返回什么前端，确认没有跳到别处
curl -sIL --max-time 20 "https://db.humanconnectome.org/" | grep -iE "^(HTTP/|location:|server:)"
#-- 2. 取一个 XNAT 会话（凭证放环境变量，不要写进脚本）
export CDB_USER="your_account"
export CDB_PASS="your_password"
curl -s -X POST -u "$CDB_USER:$CDB_PASS" \
"https://db.humanconnectome.org/data/JSESSION" -o /tmp/cdb.session
echo "session=$(cat /tmp/cdb.session)"
5.3 用客户端库取受试者清单
命令行能跑通之后，批量取数一般用客户端库。Python 侧常用 pyxnat，它对 XNAT 版本有兼容要求，遇到字段解析异常时优先怀疑版本而不是权限。
#-- pyxnat 连接与受试者清单，凭证从环境变量读
import os
import pyxnat
iface = pyxnat.Interface(
server="https://db.humanconnectome.org",
user=os.environ["CDB_USER"],
password=os.environ["CDB_PASS"],
)
project = iface.select.project("HCP_1200")
subjects = [s.label() for s in project.subjects()]
print(len(subjects), subjects[:5])
#-- 单个受试者的会话与扫描
one = project.subject(subjects[0])
for exp in one.experiments():
print(exp.label(), [sc.id() for sc in exp.scans()])
5.4 三条下载通道的取舍
| 通道 | 适合 | 优点 | 代价 |
|---|---|---|---|
| 站点直下 | 少量受试者、单模态 | 无需额外申请，按受试者挑选 | 大批量易中断，需自己写重试 |
| 硬盘邮寄 | 全量原始数据 | 一次拿到，绕开带宽 | 有制作与物流周期，介质需归还或按规处理 |
| 云端存储桶 | 在云上直接算 | 数据与算力同区，省传输 | 受控访问，需授权，出网另计费 |
云端通道对应 AWS 上的一个受控存储桶，登记信息写明由 Connectome Coordination Facility 管理、许可为 HCP 数据使用协议、访问类型为受控。这意味着匿名列举不可行，必须先经平台授权拿到凭证。
#-- 云端通道：先确认凭证已配置，再列举前缀
aws sts get-caller-identity --output text
#-- 列举顶层前缀（需要被授权的账号）
aws s3 ls "s3://hcp-openaccess/" --region us-east-1
#-- 只同步某个受试者的结构像目录，避免整包拉取
aws s3 sync "s3://hcp-openaccess/HCP_1200/100307/T1w/" "./100307/T1w/" \
--region us-east-1 --no-progress
5.5 文件命名里的信息
文件名不是随意的字符串，它编码了模态、run、相位编码方向、处理级别与配准空间。读懂命名，能省掉大量翻文档的时间。
| 片段 | 含义 | 例子 |
|---|---|---|
| 模态前缀 | 序列类型 | rfMRI、tfMRI、T1w、T2w |
| 任务名 | 任务态的具体范式 | EMOTION、MOTOR、WM |
| run 方向 | 相位编码方向 | LR、RL |
| 处理标记 | 是否已去噪 | clean 表示已做 ICA-FIX |
| 配准空间 | 表面配准方式 | MSMAll、MSMSulc |
| 容器类型 | 数据组织方式 | dtseries、dlabel、dscalar |
| 时间滤波 | 滤波截止 | hp2000 表示高通 2000 秒 |
5.6 常见失败与排查顺序
| 现象 | 最可能原因 | 先查什么 |
|---|---|---|
| 登录成功但下载 403 | 未同意该项目的条款 | 项目页的条款勾选状态 |
| 脚本报证书错误 | 中间代理或客户端库过旧 | 系统证书链与库版本 |
| 列出受试者数为 0 | 项目标识写错 | 项目列表里的准确标签 |
| 下载到一半断开 | 单文件过大、无断点续传 | 改用分段或客户端工具 |
| 解包后目录重复 | Retest 与主项目同名覆盖 | 解包前改目标路径 |
| 时间序列长度不一致 | 混用了不同 run 数 | 逐文件核对帧数 |
5.7 团队接入的落地清单
平台把责任落到了个人账号上，这在团队场景里会产生一种错位：项目负责人以为「我们组已经同意了」，实际操作数据的学生账号从未签过条款。这类错位不会在下载时报错，只会在投稿被问起数据可得性声明时暴露。把接入拆成可勾选的清单项，能省掉返工。
| 步骤 | 谁做 | 产出 | 漏掉的后果 |
|---|---|---|---|
| 读 Open Access 条款原文 | 全员 | 一份内部摘要 | 以为「开放」就是「无限制」 |
| 每人注册并在线同意 | 每位使用者 | 各自的账号 | 投稿时无法证明合规 |
| 判断是否需要 Restricted | 项目负责人 | 是／否的书面结论 | 做到一半发现缺年龄与家庭字段 |
| 提交 Restricted 申请 | 负责人，列全部组员 | 批复与组员名单 | 新加入者拿不到字段 |
| 固定发布批次 | 数据工程 | 版本号写进配置 | 半年后无法说明用的是哪版 |
| 建立本地校验清单 | 数据工程 | 校验文件与目录规范 | 断点续传后文件残缺不自知 |
| 记录致谢模板 | 写作负责人 | 一段可复用文本 | 每篇论文重写一遍，且易漏资助声明 |
清单里最容易被跳过的是第五项。发布批次看起来只是个日期，实际上它同时锁定了样本量、管线版本与文件组织方式。把它写进配置文件而不是记在某人的聊天记录里，是团队能不能在一年后复现自己的唯一保障。
§6 与库内词条的关系
6.1 关系图谱
平台与数据集的关系不是并列，是承载。库内多条脑影像词条都能在这张图上找到位置：有的被它托管，有的是它的同族但走别的渠道，有的只是主题相近。
| 库内词条 | 与它的关系 | 差异要点 |
|---|---|---|
| Human Connectome Project（HCP） | 被承载 | 那条讲数据内容与协议；这条讲入口、条款与版本 |
| developing Human Connectome Project | 同族，另有渠道 | 新生儿队列，独立发布，部分镜像在开放仓库 |
| FCP-1000 | 主题相近，无隶属 | 多中心静息态，站点自管，无字段级授权 |
| ABIDE | 主题相近，无隶属 | 孤独症队列，聚合多家站点，样本含临床人群 |
| ADHD-200 | 主题相近，无隶属 | 注意缺陷队列，同为多站点聚合 |
| C. elegans Connectome | 同名不同物 | 线虫的突触级连接组，与人类影像无关 |
| MICrONS | 同名不同物 | 小鼠视皮层的功能与结构联合图谱 |
「连接组」这个词在库内至少指三种东西：人的宏观影像连接组、动物的微观突触连接组、以及由影像算出的统计矩阵。这三类混在同一组关键词下检索，会得到互相无关的结果。分辨方法很简单：看单位是「人」还是「神经元」还是「矩阵」。
6.2 检索路径
| 你要找什么 | 从哪进 | 关键限定词 |
|---|---|---|
| 平台本身 | 本站 connectomedb | 分发、条款、XNAT |
| HCP 数据内容 | 本站 human-connectome-project | 模态、协议、1206 |
| 新生儿连接组 | 本站 dhcp | 新生儿、自然睡眠 |
| 静息态多中心 | 本站 1000-functional-connectomes | 站点、连接矩阵 |
| 临床连接组 | 平台内疾病相关项目 | 需各项目条款 |
| 动物连接组 | 本站 celegans-connectome、microns | 突触、皮层柱 |
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
评估这个平台时，最容易发生的误判是把它当成数据集去打分。数据集评分看样本量、标注质量、覆盖度；平台评分还要看治理设计、版本管理、可获取性、失败模式。用数据集的标准打平台，会得出「样本量不大、许可不开放」这类结论，而这两条恰恰是它作为受控分发系统的设计目标，不是缺陷。
另一个误判是把「官方数字」当成单一真值。这个平台的官方页面之间就存在口径差：站点卡片说 7T 有 182 人，发布文档说 184 人。遇到这类差，正确做法是记录两个口径并说明差额构成官方未公布，而不是选一个当作正确值。
7.1 五维评分
按 DAIMS 的五个维度给分，每维十分，评分依据是官方文档能支撑的程度，不是主观好恶。
| 维度 | 分数 | 依据 | 扣分点 |
|---|---|---|---|
| 数据质量 | 9 | 0.7 毫米结构像、多波段功能像、统一管线 | 部分受试者有质量标记，MEG 覆盖低 |
| 可获得性 | 8 | 注册即可取影像，通道有三条 | 字段级授权增加流程，云端需另行授权 |
| 互操作性 | 9 | NIfTI 与 CIFTI 双格式、标准空间、公开字典 | 跨版本字典不统一，CIFTI 工具链门槛高 |
| 可维护性 | 8 | 有明确运营方与发布批次 | 前端迁移导致旧路径失效，文档散落 |
| 可持续性 | 9 | 国家级资助、十余年运营、多项目并入 | 依赖单一联盟，条款更新节奏不透明 |
总分四十三，属于同类的第一梯队。扣分集中在「跨版本一致性」与「前端稳定性」，这两项都与它是活系统有关，不会因为时间推移自动变好。
7.2 它做得比同类好的地方
一是把配准做成了可复用的中间产物。跨受试配准的结果随数据一起发布，使用者不必自己重跑，这让组水平分析的门槛降了一个数量级。
二是把条款做成了可执行的流程，而不是一段声明。字段级授权、按项目申请、下载审计，这套东西在学术数据分发里并不常见，多数项目只做到「注册后全给」。
三是保留了多个历史批次。多数平台只留最新版，它保留旧包，这让复现成为可能——尽管旧包的组织方式与新包不同，需要额外摸索。
7.3 已知的、可枚举的偏差
| 偏差 | 具体表现 | 后果 | 缓解 |
|---|---|---|---|
| 家庭聚集 | 双胞胎与兄弟姐妹同批入组 | 样本非独立，交叉验证偏乐观 | 按家庭分组划分 |
| 年龄窄 | 全部 22 至 35 岁 | 不能外推到儿童与老年 | 明确声明适用范围 |
| 健康筛选 | 排除重大精神与神经疾病 | 无临床变异，疾病分类只能做对照侧 | 与临床队列联合使用 |
| 地域集中 | 受试者来自美国中西部 | 族裔与 socioeconomic 构成偏窄 | 跨队列比较时标注 |
| 模态不齐 | MEG 仅 95 人、7T 仅一百八十余人 | 多模态联合分析样本骤减 | 先建可用性掩码再定样本 |
| 纵向极短 | 复测仅 46 人 | 无法估计个体变化轨迹 | 只做重测信度 |
| 版本漂移 | 同编号在不同批次处理不同 | 跨年份混用产生不可比结果 | 锁定批次并在文中写明 |
| 自报误差 | 36 对自报异卵实为同卵 | 用自报合子性做遗传分析会错分 | 改用基因验证字段 |
最后一条值得单独说。官方在 1200 发布文档里写明，基于血液与唾液样本的基因分型更新了父母编号与合子性字段，其中有 36 对自报为异卵的双胞胎经基因验证实为同卵。这条更正同时说明两件事：自报的合子性不可靠；平台会追溯性修改字段，而修改不会广播给已经下载过旧版的人。做过一次就明白，§4.3 的案例里那种对不上，往往就是这类静默更正累积出来的。
7.4 外部验证矩阵
| 验证角度 | 证据来源 | 结论 | 强度 |
|---|---|---|---|
| 首发性 | 2013 年概述论文提到首季通过平台发布 | 平台自 2014 年起在用 | 强 |
| 规模一致性 | 项目卡与发布文档逐项对照 | 行为学与影像两数稳定 | 强 |
| 7T 人数 | 卡片 182 与文档 184 并存 | 存在口径差，构成未说明 | 弱 |
| 许可性质 | 条款原文与云端登记互为印证 | 非开放许可，属使用协议 | 强 |
| 访问分层 | 条款页与项目弹窗一致 | 确为两级 | 强 |
| 前端迁移 | 域名当前返回 BALSA 页面 | 展示层已换，接口未变 | 强 |
| 处理版本 | 弥散重跑与 2025 重打包两处独立记载 | 版本敏感属实 | 强 |
7.5 它为何能持续：把合规成本前置成了基础设施
多数共享数据集靠一次性发布活着，发完就进入维护模式。这个平台能持续十余年，是因为它把合规成本做成了可运营的基础设施：账号体系解决「谁」，条款版本解决「凭什么」，项目划分解决「哪一批」，发布批次解决「哪一版」，审计日志解决「出问题找谁」。这五件事一旦成型，新项目接进来只是加一个项目，不需要重建系统。HCP 寿命期与疾病相关项目能陆续并入，靠的就是这套骨架。
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 | 对平台的意义 |
|---|---|---|
| 2010 年前后 | HCP 立项，五年期 | 定下「千人级、多模态、家系设计」的总目标 |
| 2013 | 概述论文发表，首季数据上线 | 平台首次对外 |
| 2014-03 | MEG 首批发布 | 平台开始承载非 MRI 模态 |
| 2014-08 | 寿命期预试与 MGH 弥散加入 | 平台从单队列扩成多项目 |
| 2014-11 | 500 人发布 | 首次进入可用规模 |
| 2015-12 | 900 人发布 | 配准方法换代 |
| 2017-03 | 1200 人发布 | 主体数据定型 |
| 2017-07 | 扩展处理发布 | 组水平产物上线 |
| 2025-08 | 重打包，与寿命期项目统一 | 前端并入 BALSA，格式统一 |
8.2 三代分发形态
| 代际 | 形态 | 使用者体验 | 遗留问题 |
|---|---|---|---|
| 第一代 | 自建站点加季度发布 | 需读邮件列表才知道更新 | 文档散落，无统一检索 |
| 第二代 | XNAT 加项目化组织 | 有接口，可脚本化 | 接口版本兼容性差 |
| 第三代 | BALSA 前端加云端通道 | 有预览、有场景文件、可云上算 | 旧链接失效，截图与教程过时 |
8.3 生态位
在整个脑影像数据生态里，它占据的是「受控、多模态、家系设计」这一格。开放仓库解决「随便拿」，它解决「拿了要负责」；多中心联盟解决「跨站点泛化」，它解决「同一批人在多个模态上的深度刻画」。这两件事不冲突，取向上不同。
| 生态位 | 它是不是 | 替代品 |
|---|---|---|
| 开放仓库 | 不是 | OpenNeuro 一类 |
| 受控分发平台 | 是 | 少数带条款的联盟站点 |
| 云计算市场 | 部分（借道云端存储桶） | 通用云市场 |
| 分析平台 | 不是 | 提供在线分析的平台 |
| 元数据目录 | 部分 | 数据集索引类服务 |
8.4 它在中国的可用性
平台对中国研究者开放，注册与申请流程不变。实际使用中的摩擦主要在三处：跨国带宽导致大文件下载慢；云端存储桶的授权与计费在境外；部分机构对签署境外数据使用协议有内部审批要求。前两条可用硬盘邮寄与就近镜像绕开，第三条只能走机构流程。
8.5 平台之外的三条平行渠道
把 ConnectomeDB 当成唯一入口，会低估同一批数据的可达路径。官方为同一批数据开了另外三条路，各有各的适用面。
第一条是硬盘邮寄。全量原始数据的体量按 TB 计，跨国下载在多数机构网络里都不现实，邮寄把传输问题转成了物流问题。适合一次要全量、且有机房可以接收介质的团队。
第二条是云端受控存储桶。数据与算力放在同一区域，省掉进出网的时间与费用，代价是需要额外授权，且只能在云上算。适合以云计算为主要工作环境的团队。
第三条是软件生态里的间接入口。官方维护的分析软件与管线工具会默认按平台的目录结构组织输入输出，使用者往往先装工具、再顺着工具的示例去取数。这条路不解决授权，只解决「拿到之后怎么读」。
| 渠道 | 解决什么 | 不解决什么 | 适用规模 |
|---|---|---|---|
| 站点直下 | 精挑受试者与模态 | 大批量稳定性 | 小 |
| 硬盘邮寄 | 全量传输 | 即时性 | 全量 |
| 云端存储桶 | 传输与算力同区 | 授权与费用 | 中到大 |
| 工具生态 | 读取与管线衔接 | 授权 | 任意 |
这四条路共享同一套条款。换句话说，渠道可以换，责任不换。有人在云上拿到数据，就以为云服务商的条款覆盖了数据使用，这是最常见的一类误解——云端登记页写得很清楚，许可仍是 HCP 的数据使用协议，管理方仍是那个联盟的协调机构。
§9 使用指引
9.1 三种角色的路径
| 角色 | 最先做什么 | 关键一步 | 常见卡点 |
|---|---|---|---|
| 方法学研究者 | 读 2025 版发布说明 | 锁定管线版本与样本口径 | 把 1071 当 1113 |
| 应用建模者 | 取扩展处理包 | 建可用性掩码 | 忽略模态不齐 |
| 数据管理员 | 读两层条款原文 | 把注册写进 onboarding | 只让一人签字 |
| 教学使用者 | 取汇总层 | 用组平均与小样本子集 | 全量下载拖垮机器 |
| 遗传度分析者 | 先申请 Restricted | 用基因验证的合子性 | 用自报合子性 |
9.2 一条最短的可用流程
从注册到跑出第一张连接矩阵，最短路径大约是这样：注册并同意条款、验证接口、取一个受试者的处理后时间序列、确认维度、再批量。
#-- 1. 验证入口与条款状态（页面能打开不代表已同意）
curl -sIL --max-time 20 "https://db.humanconnectome.org/" | head -n 5
#-- 2. 取会话
export CDB_USER="your_account"
export CDB_PASS="your_password"
SID=$(curl -s -X POST -u "$CDB_USER:$CDB_PASS" \
"https://db.humanconnectome.org/data/JSESSION")
echo "$SID"
#-- 3. 列出一个受试者的会话
curl -s -b "JSESSIONID=$SID" \
"https://db.humanconnectome.org/data/projects/HCP_1200/subjects/100307/experiments?format=json" \
| head -c 800
#-- 4. 读一个 CIFTI 时间序列，确认维度与帧数
import nibabel as nib
import numpy as np
img = nib.load("rfMRI_REST1_LR_Atlas_MSMAll_hp2000_clean.dtseries.nii")
data = np.asarray(img.get_fdata(), dtype="float32")
print(img.shape) #-- (灰质ordinates数, 时间点)
print(data.shape, data.dtype)
#-- 5. 取灰质结构信息，确认表面与体积的划分
brain = img.header.get_axis(1)
print(len(list(brain)))
#-- 6. 按家庭分组划分，避免双胞胎泄漏
import pandas as pd
from sklearn.model_selection import GroupKFold
demo = pd.read_csv("hcp_demographics.csv", na_values=["n/a", "NaN"])
demo = demo.dropna(subset=["family_id"])
groups = demo["family_id"].to_numpy()
gkf = GroupKFold(n_splits=5)
for fold, (tr, te) in enumerate(gkf.split(demo, groups=groups)):
print(fold, len(tr), len(te), len(set(groups[tr]) & set(groups[te])))
#-- 7. 下载完成后做完整性校验，文件名与校验清单一起存
find ./HCP_1200 -name "*.nii.gz" -print0 | xargs -0 md5sum > md5_manifest.txt
wc -l md5_manifest.txt
9.3 引用方式
平台不是可引用的数据集对象，引用要落到具体数据与具体方法上。至少三件事要写清：数据来自哪个项目与哪次发布、用了哪一版处理管线、条款版本。官方提供了致谢指引与推荐文献列表，并明确联盟整体不应作为作者署名，除非署名完全基于数据使用。
| 引用要素 | 写在哪 | 漏写的后果 |
|---|---|---|
| 项目与发布批次 | 方法段 | 读者无法复现样本 |
| 管线版本 | 方法段 | 处理差异被误读为生物差异 |
| 条款版本 | 数据可得性声明 | 合规审查不通过 |
| 致谢与资助 | 致谢段 | 违反使用条款 |
| 受试者编号规则 | 附录或代码库 | 无法核对样本 |
§10 AI 使用声明
| 项 | 说明 |
|---|---|
| 本篇的信息来源 | 平台官方页面、官方发布文档、条款原文、官方云端登记页、一篇概述论文摘要 |
| 未做的事 | 未下载全量数据，未做字段分布统计，未重跑管线 |
| 数字口径 | 一律照抄官方，冲突处并列两个口径并标注差额未说明 |
| 推断的边界 | 只对「为什么两个数不同」给出可能性说明，不作结论 |
| 未核实项 | 部分项目的具体规模、Restricted 字段的完整清单、申请审核时限 |
| 生成方式 | 人机协作撰写，事实点逐条回查官方页面 |
| 更新责任 | 平台为活系统，前端与条款可能再变，引用前请核对原文 |
| 适用限制 | 不构成法律或伦理建议，合规判断请咨询所在机构 |
常见误读
| 说法 | 实际 | 证据 |
|---|---|---|
| ConnectomeDB 就是 HCP 数据集 | 平台托管十余个项目，HCP 只是其中最大的一项 | 首页四张项目卡与站点导航的项目清单 |
| 打开 db.humanconnectome.org 就是 ConnectomeDB | 现在返回的是 BALSA 前端，ConnectomeDB 是其标签页 | 页面标题与导航结构 |
| 数据是开放许可，可以随便转发 | 属使用协议，且要求每个使用者自行注册同意 | 条款原文的再分发段 |
| 数据已经去标识化 | 官方明确不视为已去标识 | 条款首页的醒目声明 |
| HCP 有 1206 人可以拿来做影像分析 | 1113 人有 3T 影像，1071 人有处理后数据 | 项目卡与 2025 发布说明 |
| 7T 有 184 人 | 卡片写 182，文档写 184，差额未说明 | 两处官方页面并列 |
| 注册一次就能拿全部字段 | 家族结构、按年年龄、利手在 Restricted 层 | 条款页的分层说明 |
| 复测数据会换编号 | 沿用第一次访问的编号，解包结构相同 | Retest 项目卡原文 |
| 和 OpenNeuro 是同一批数据 | 官方渠道不含 OpenNeuro，那是别的项目的镜像 | 官方发布说明与云端登记 |
| 平台提供在线分析 | 它只做分发，计算要在自己的环境或云上做 | 站点功能范围 |
FAQ
Q1：ConnectomeDB 到底算不算一个数据集？
不算。它以项目为单位托管多个数据集，自身是分发系统。判断方法很简单：如果「样本量」这个问题有唯一答案，那是数据集；如果有三四个答案，那是平台。
Q2：为什么站内数字互相打架？
因为统计口径不同。行为学、影像、处理后数据是三层，各层人数不同；部分项目卡片与发布文档的更新时点也不同。遇到差异，记录两个口径比选一个更可靠。
Q3：注册需要什么条件？
需要邮箱与基本身份信息，同意 Open Access 条款即可，通常即时生效。使用方所在机构若有额外伦理要求，需要自行处理，平台会出具已接受条款的证明。
Q4：Restricted 数据申请要多久？
官方未公布固定时限。申请以课题组为单位，由 PI 承诺并列出需要访问的成员，材料审核后开通。建议把这段时间算进项目排期。
Q5：能不能把数据放进自己的公开仓库？
不能。条款禁止再分发，合作者也要各自注册。这一点与开放许可的数据集有本质区别，团队协作时要提前说清。
Q6：MEG 数据为什么这么少？
MEG 只在部分受试者上采集，规模远小于 MRI，官方在多个发布批次中都把 MEG 描述为子集。做 MEG 研究前先确认目标受试者是否同时具备结构像。
Q7：7T 数据能替代 3T 做主分析吗？
不能直接替代。7T 覆盖仅一百八十余人，且集中在特定子集，模态组成也不同——包含电影观看与视网膜拓扑，缺少 3T 那套七项任务。两者的协议不可互换。
Q8：为什么强调按家庭划分？
样本按家系招募，同卵双胞胎的影像相关性极高。随机划分会让同一家庭的成员分居训练与测试两侧，测试性能被抬高。用家庭编号分组划分是最低要求。
Q9：旧版数据还能拿到吗？
平台保留多个历史批次，但旧包的目录组织与新包不同，且部分受试者的处理后数据在新版中被移除。复现旧论文时，先确认旧包是否仍可下载，再决定策略。
Q10：云端通道是不是免费？
数据访问本身不收费，但云端存储与计算按云服务商计费，出网流量另算。授权与计费是两件事，别把「数据免费」理解成「用云免费」。
Q11：能不能用它训练疾病分类模型？
只能提供健康侧。全部受试者经筛查为健康青年，没有诊断标签。要做疾病分类，需要另找临床队列，再把这里当作对照来源。
Q12：平台会通知字段更正吗？
不保证。官方曾在发布文档里更正合子性字段，但已经下载过旧版的人不会自动收到通知。长期项目应定期回查发布说明。
术语表
| 术语 | 含义 |
|---|---|
| ConnectomeDB | HCP 的数据分发平台，部署于 XNAT，前端现并入 BALSA |
| BALSA | 空间图谱与图谱库，当前承载 db.humanconnectome.org 的界面 |
| XNAT | 开源影像信息学平台，提供归档、元数据与 REST 接口 |
| HCP-YA | HCP 青年成人队列，主体数据来源 |
| Retest | 同一批受试者的第二次全套采集 |
| Open Access | 注册并同意条款即可取得的一层数据 |
| Restricted | 需申请审核才能取得的一层数据，含可识别性较高的字段 |
| MSMAll | 多模态表面配准方法，跨受试对齐的核心步骤 |
| ICA-FIX | 基于独立成分分类的去噪流程 |
| CIFTI | 同时表达皮层表面与皮层下体积的数据格式 |
| dtseries | CIFTI 的时间序列容器，二维：灰质ordinates乘时间点 |
| 灰质ordinates | 表面上每个顶点与体积内每个体素的统一编号 |
| 梯度非线性 | 扫描仪梯度场空间不均导致的几何畸变 |
| EDDY | 弥散数据的头动与涡流校正工具 |
| TOPUP | 利用反向相位编码估计畸变场的方法 |
| 合子性 | 双胞胎同卵或异卵的属性，分自报与基因验证两版 |
| 家庭编号 | 用于标识同一家系的字段，做分组划分时使用 |
| 扩展处理 | 在最小预处理之上做去噪与组水平汇总的产物 |
| 发布批次 | 平台对外发布的一次快照，带日期与说明 |
| Connectome in a Box | 以硬盘形式邮寄全量数据的通道 |
| 使用协议 | 约束数据使用与再分发的法律文本，非开放许可 |
| 去标识化 | 移除可直接识别个体的信息，官方明确本平台数据不属此列 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 行为学人数 | 1206 | 2025 版项目卡与 1200 发布文档 | 官方页面 |
| 3T 影像人数 | 1113 | 2025 版项目卡 | 官方页面 |
| 处理后数据人数 | 1071 | 2025 版发布说明 | 官方页面 |
| MEG 人数 | 95 | 项目卡与 2017 文档 | 官方页面 |
| 7T 人数 | 182 | 项目卡 | 官方页面 |
| 7T 人数（另一口径） | 184 | 1200 发布文档 | 官方页面 |
| 复测行为学人数 | 46 | Retest 项目卡 | 官方页面 |
| 复测影像人数 | 45 | Retest 项目卡 | 官方页面 |
| 结构像体素 | 0.7 毫米各向同性 | 3T 协议页 | 官方页面 |
| 功能像体素 | 2.0 毫米各向同性 | 3T 协议页 | 官方页面 |
| 弥散体素 | 1.25 毫米各向同性 | 3T 协议页 | 官方页面 |
| 功能像重复时间 | 720 毫秒 | 3T 协议页 | 官方页面 |
| 任务数 | 7 项 14 个 run | 3T 协议页 | 官方页面 |
| 自报异卵实为同卵 | 36 对 | 1200 发布文档 | 官方页面 |
| 疾病相关项目数 | 14 | 站点导航 | 官方页面 |
| 云端存储桶区域 | us-east-1 | 开放数据登记页 | 官方页面 |
附录 B：数字的来源分层
| 层级 | 含义 | 本篇涉及 |
|---|---|---|
| 一级：官方页面 | 平台、项目、条款、协议页原文 | 绝大多数规模与协议数字 |
| 二级：论文摘要 | 概述论文的方法与定位描述 | 平台起始时间与定位 |
| 三级：未核实 | 无法从官方页面确认 | 审核时限、Restricted 完整字段表、部分项目规模 |
凡标「官方未公布」处，均属第三层，不做补写。
附录 C：参考文献与出处
| 编号 | 出处 | 用途 |
|---|---|---|
| 1 | 平台首页与项目卡（db.humanconnectome.org） | 项目清单、规模、更新时点 |
| 2 | HCP 青年成人数据发布页 | 各批次数字与说明 |
| 3 | 1200 Subjects 发布文档 | 复测、7T、合子性更正、弥散重跑 |
| 4 | 数据使用条款页 | 两层访问、再分发、去标识表述 |
| 5 | 3T 成像协议页 | 结构、功能、弥散的采集参数 |
| 6 | 7T 成像协议页 | 高场强采集参数与任务组成 |
| 7 | AWS 开放数据登记页 | 云端通道、管理方、许可 |
| 8 | Van Essen 等，NeuroImage，2013 | 平台定位与首季发布 |
附录 D：可用性掩码的构造
#-- 构造一个受试者可用性掩码：每个模态一列，缺一即标记
import pandas as pd
rows = [
{"subject": "100307", "has_3t": 1, "has_7t": 0, "has_meg": 0, "has_processed": 1},
{"subject": "100408", "has_3t": 1, "has_7t": 1, "has_meg": 1, "has_processed": 1},
]
mask = pd.DataFrame(rows).set_index("subject")
#-- 多模态联合分析只在交集上做
joint = mask[(mask[["has_3t", "has_7t", "has_meg"]] == 1).all(axis=1)]
print(len(joint))
#-- 统计本地已下载受试者，与官方口径对照（只数目录，不数文件）
ls -d ./HCP_1200/*/ | wc -l
附录 E：如果只记五件事
| 序 | 记住什么 |
|---|---|
| 一 | 它是平台，不是数据集；问「多少人」之前先问「哪一层」 |
| 二 | 两层条款：影像签字即得，家族结构与按年年龄要申请 |
| 三 | 每个使用者都要自己注册，转发不合规 |
| 四 | 版本会变，复现要先锁定发布批次与管线版本 |
| 五 | 样本按家庭招募，划分必须按家庭分组 |
编辑说明
本篇的核验时间为 2026 年 10 月 28 日，核验方式为直接访问平台首页、各项目卡、数据发布页、条款页、3T 与 7T 协议页与云端登记页，另取一篇概述论文摘要作为定位佐证。未下载全量数据，未做字段分布统计，未重跑任何管线。未覆盖的内容包括：Restricted 字段的完整清单、各类申请的审核时限、各疾病相关项目的具体规模、以及云端通道的实际吞吐。平台为活系统，前端与条款可能再次变更，引用前请以原文为准。发现官方页面之间存在口径差时，本篇并列记录两个数值并标注差额构成未说明，不代为判断。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- ixi-dataset — 共享标签：神经科学 / 多模态 / MRI
- cded — 共享标签：脑影像 / 多模态 / MRI
- microns — 共享标签：神经科学 / 脑影像 / 多模态
- fastmri — 共享标签：神经科学 / 脑影像 / MRI
- nfbs — 共享标签：神经科学 / 脑影像 / MRI
- oasis — 共享标签：神经科学 / 脑影像 / MRI
- atlas-v2 — 共享标签：神经科学 / 脑影像 / MRI
- dhcp — 共享标签：神经科学 / 脑影像 / MRI
- brainweb — 共享标签：神经科学 / 脑影像 / MRI
- bfa — 共享标签：神经科学 / 脑影像 / MRI
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
