信息速览
INFOBOX — dHCP 一屏速览
维度 内容 本质 发育人脑连接组计划（developing Human Connectome Project）——首个生命早期四维脑连接组开放数据集（非 DHCP 网络协议） 联盟 King’s College London + Imperial College London + University of Oxford；ERC Grant 319456 资助 采集地 Evelina Newborn Imaging Centre, St Thomas’ Hospital, London（伦敦圣托马斯医院伊芙琳娜新生儿影像中心） 规模（第二版） 558 例新生儿（第三方去重口径 505 neonates / 558 scans）；第四版 783 新生儿 + 273 胎儿 模态 结构 T2w/T1w + 扩散 MRI（结构连接）+ 静息态 fMRI（功能连接）三模态 采集 3T Philips Achieva，32 通道新生儿头线圈，自然非镇静睡眠；T2w 0.8×0.8×1.6mm，TR 12s/TE 156ms 年龄 23-44 周 GCA（第三方口径）/ 24-45 wGA / 28-45 PMA 三口径并存 人口构成 378 足月 + 180 早产（82 极早产 <32 周） 元数据 极简：性别/出生孕周/扫描孕周/出生体重/头围/放射质控分 衍生数据 9 组织类型/87 区域分割、皮层表面重建、结构+功能连接组、新生儿皮层表面图谱 获取 注册+数据共享协议制——机构邮箱注册+签署用户条款 → Academic Torrent（~500GB） 伦理 UK HRA 批准（REC 14/LO/1169），父母书面知情同意含数据发布 库内互链 human-connectome-project（成人 HCP，rid 95）、1000-functional-connectomes（rid 295）、abcd-study ⚠ 身份提醒：本条目是发育神经影像数据集 dHCP，与计算机网络协议 DHCP（Dynamic Host Configuration Protocol）无任何关系，仅英文缩写形近。检索与引用时务必核对全称。
dHCP 是神经影像界试图回答一个宏大问题的工程：人脑的连接组在生命最早期如何成形？ 它把 3T 磁共振扫描仪搬进新生儿病房，让刚出生几周到几个月的婴儿在自然睡眠中完成结构、扩散、功能三模态扫描，再把这批数据加工成全球研究者可复用的连接组资源。任务头锚定的第二版包含 558 例新生儿，是 2010 年代最有影响力的婴儿脑影像开放数据集之一；其第四版已扩至 783 名新生儿与 273 名胎儿，并接入基因组、眼动追踪与 18 月龄神经发育结局。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——注意是注册+协议制（机构邮箱+签署用户条款），不是 CC 直链，torrent 通道预期 ~500GB。
- 关心数据构成：直奔 §2 与 §4——先分清 558/505/783 三套口径与 23-44/24-45/28-45 三种年龄表述，再读三模态规格。
- 做下游研究：直奔 §7 评估与基准——dHCP 无官方 leaderboard，但有明确的 radiology score 质控惯例与代表性筛选漏斗（558→486、558→116）。
§0 导读：这个数据集解决什么问题
0.1 一个空白：成人连接组有了，婴儿没有
21 世纪第一个十年，WU-Minn-Oxford 联盟的人类连接组计划（HCP）用 1200 名健康成人、三模态 MRI、标准化的采集与分析流程，第一次把"人脑连接组"从概念推向可大规模复用的数据资源。但 HCP 的对象是成年大脑——此时连接组的宏观架构早已定型。真正决定一个人神经系统发育走向的窗口在更早：从孕中期到出生后头两年，大脑体积从约百克级快速膨胀、白质髓鞘化尚未完成、功能网络正在从局部走向长程整合。这段时期的连接组，用成人方法学直接套会全面失效：成人脑与新生儿脑在形态、组织对比、运动特征上差异极大。
dHCP 的目标正是补上这块空白——官方表述是"建立生命早期的第一张四维连接组"，即随孕周/月龄演化的动态连接图谱，覆盖 20 至 44 周 conceptional age，并把影像与临床、行为、遗传信息联结起来。
0.2 三个工程难点与 dHCP 的应对
难点一：婴儿扫描的物理困难。 新生儿无法配合、不能长时间保持静止，dHCP 的做法是自然非镇静睡眠（喂食后入睡），并把整个采集压缩进约 63 分钟的单一 session，用 32 通道新生儿专用头线圈与 3T Philips Achieva 提高信噪比。头动是婴儿 MRI 的头号敌人——dHCP 用 SVR（slice-to-volume reconstruction，切片到体数据重建） 把被运动破坏的多方向 2D 切片重新拼成三维体数据（§4）。
难点二：新生儿脑的图像分析管线必须重写。 成人脑的分割、配准工具（FreeSurfer 等）在新生儿脑上错误频出——灰白质对比反转、髓鞘化区域变动、皮层折叠尚不完整。dHCP 团队为此开发了专用的全自动新生儿皮层表面重建管道 Draw-EM与新生儿组织分割，产物是拓扑正确的皮层表面与 9 组织/87 区域分割（§3、§4）。
难点三：既要有深度又要够规模还要能共享。 dHCP 用联盟分工解决：KCL 负责采集与临床、Imperial 负责图像分析管线、Oxford FMRIB 负责扩散与功能分析，并借用 HCP 的计算资源；数据以注册+共享协议方式开放，用 torrent 对抗 ~500GB 量级的传输瓶颈。
0.3 为什么它对 AI-Ready 有意义
dHCP 是本库"发育神经影像"类的核心样本，其价值有三层：
- 稀缺性：婴儿脑影像数据天然稀缺（伦理、招募、扫描难度三重约束），558 例三模态队列在全球屈指可数，"数据量"本身即壁垒。
- 结构化程度高：不是裸影像——配套分割、皮层表面、连接组、元数据、质控分，直接可建模。
- 获取门槛的真实写照：注册+协议制让它在"零摩擦"维度扣分，但也换来了伦理合规与机构背书——是研究"合规可获取性光谱"的好案例（§6）。
§1 数据集速览：十二问十二答
Q1：dHCP 到底是什么？
全称 developing Human Connectome Project（发育人脑连接组计划），是由伦敦国王学院（KCL）、帝国理工学院（Imperial College London）与牛津大学（Oxford）联合发起、欧洲研究理事会（ERC）资助的大科学项目，目标是绘制生命最早期的人脑连接图谱。它与网络协议 DHCP 毫无关系，仅缩写形近。
Q2：任务头说的"558 例"是哪一版？
是第二版（second data release）。官网原文为"images of 558 neonatal subjects"。第三方综述进一步写明这 558 例对应 558 次 T2w 扫描、去重后 505 名新生儿（部分婴儿有多次纵向扫描）。第四版（2024-05）已扩至 783 新生儿 + 273 胎儿。
Q3：有多少模态？
三模态：结构 MRI（T2w 为主，兼 T1w）、扩散 MRI（dMRI/DTI，用于结构连接）、静息态 fMRI（用于功能连接）。
Q4：扫描设备与参数？
3T Philips Achieva + 32 通道新生儿头线圈。结构 T2w：面内 0.8×0.8 mm²、层厚 1.6 mm（重叠 0.8 mm）、TR 12 s / TE 156 ms。静息态 fMRI：multiband 9× 加速 EPI，TE/TR = 38/392 ms，体素 2.15³ mm³，约 15 分钟 2300 个 volume。全程自然睡眠，不用镇静剂。
Q5：婴儿多大？
口径依来源而定：第三方综述记 23-44 周 GCA（含出生孕周与校正年龄）；STS 研究记扫描区间 24-45 wGA、足月等效扫描均值 40.6 wGA；管道论文记 28-45 周 PMA。人口构成上，约 378 足月 + 180 早产（其中 82 例极早产，出生 <32 周）。
Q6：有哪些配套产物？
在原始影像之外，dHCP 提供：9 组织类型 + 87 脑区的解剖分割、皮层表面重建（Draw-EM 全自动管道）、结构连接组（dMRI 追踪）、功能连接组（fMRI）、以及新生儿皮层表面图谱。
Q7：元数据包含什么？
极简六项：性别、出生孕周（age at birth）、扫描孕周（age at scan）、出生体重、头围、放射质控分（radiology score）。发布方不发布族裔/种族/社会经济信息。
Q8：什么是 radiology score，为什么重要？
是数据集自带的、由资深儿科放射科医师给出的影像质量评分。大量下游研究据此筛选——例如只纳入 radiology score ≤ 2 的扫描以剔除高运动/低质量数据。它是"数据自带质控"的典范设计。
Q9：怎么获取？要花钱吗？
不收费，但需注册+签署数据共享协议：限机构邮箱注册（不收个人邮箱），签署用户条款后解锁 Academic Torrent 下载通道。数据集庞大（预期 ~500GB），torrent 支持按子集选择下载。
Q10：伦理怎么把关？
研究经英国健康研究署（UK HRA）批准（REC reference 14/LO/1169），每一例均取得父母书面知情同意，且同意明确覆盖数据发布。
Q11：谁在用它？
下游覆盖脑龄预测、早产儿脑发育、功能/结构连接发育轨迹、皮层形态学、脑分割与配准算法基准、生成式脑影像合成等。代表性使用见 §7。
Q12：为什么它对 AI-Ready 重要？
它是"稀缺+高结构化+合规获取"三重特征的发育神经影像旗舰：数据量稀缺、配套产物丰富、获取走注册协议制。它既是训练婴儿脑模型的宝贵资源，也是研究"数据可获取性光谱"的活标本。
§2 数据构成与规格
2.1 规模与版本谱系：一份数据集的三重口径
dHCP 不是一个静态数据集，而是持续扩充的多版本资源。理解它的规模，必须先把三套口径摆清楚：
| 版本 | 新生儿 | 胎儿 | 扫描/数据集数 | 主要新增 |
|---|---|---|---|---|
| 第二版（second data release，任务头锚点） | 558 例 | 未分离发布 | 558 T2w scans（第三方） | 结构+dMRI+fMRI 三模态 + 极简元数据 |
| 第四版（Fourth Release, 2024-05，当前） | 783 例 | 273 例 | 886 新生儿 dataset + 297 胎儿 dataset | 基因组学、18 月龄眼动、18 月龄 Bayley-III 结局、合并发布 |
| 管道论文（Makropoulos 2018） | 465 例（28-45 PMA） | — | — | 新生儿皮层表面重建管道验证 |
读法警示：引用 dHCP 规模时必须注明版本。写"558 例"时指的是第二版；写"783 例"时指的是第四版新生儿队列（另加胎儿）。二者不是矛盾，是时间线上的两次发布。
2.1.1 “558” 的两种拆法：subjects 还是 sessions？
这是最容易踩的坑。同一批数据，两种口径：
- 发布方口径：“558 neonatal subjects”——官网原文，把每次纳入的婴儿计为 subject。
- 第三方综述口径：“558 T2w scans from 505 neonates”——即 558 是扫描次数（sessions），去重后为 505 名新生儿（意味着约 53 名婴儿贡献了多次扫描，即纵向随访）。
严格说，两种表述描述的是同一批数据的两个计数维度（session vs unique subject）。本条目以发布方 558 为准，但在任何跨来源汇总中必须显式声明口径，否则"558 vs 505"会被误读为数据矛盾。
2.1.2 早产/足月构成
第二版的人口学构成（arXiv:2501.19338 口径）：
| 群体 | 例数 | 界定 |
|---|---|---|
| 足月出生（term-born） | 378 | ≥ 37 周出生 |
| 早产出生（preterm-born） | 180 | < 37 周出生 |
| └ 极早产（very preterm） | 82 | 出生 < 32 周 |
| 合计 | 558 | — |
早产儿占比约 32%，其中极早产儿约 82 例——这个偏高的早产比例不是偶然，而是 dHCP 有意为之：早产儿恰好落在连接组发育最剧烈的窗口，是研究"发育轨迹如何被打断"的关键样本。
2.2 三模态影像规格
| 模态 | 用途 | 关键参数 |
|---|---|---|
| 结构 MRI（T2w 为主） | 解剖形态、皮层表面、组织分割 | 面内 0.8×0.8 mm²，层厚 1.6 mm（重叠 0.8 mm），TR 12 s / TE 156 ms，SENSE 2.11（轴位）/2.60（矢状位） |
| 扩散 MRI（dMRI/DTI） | 结构连接（白质纤维束） | 新生儿专用 dMRI 采集（Bastiani 2018 管道） |
| 静息态 fMRI | 功能连接 | multiband 9× 加速 EPI，TE/TR 38/392 ms，体素 2.15³ mm³，约 2300 volumes / 15 min |
为什么 T2w 是主角而非 T1w？ 新生儿脑髓鞘化未完成，T1w 上灰白质对比差；T2w 反而能更好地分辨白质与灰质，因此新生儿脑影像分析以 T2w 为主。这是"用成人习惯做婴儿研究必翻车"的第一个具体例证。
SVR 重建：多方向、多次激发的 2D 切片在婴儿头动下会错位，dHCP 用 **slice-to-volume reconstruction（切片到体数据重建）**把它们对齐并重组成运动校正后的三维体数据——这是让 63 分钟自然睡眠扫描可用的关键工程。
2.3 配套衍生数据
原始影像之外，dHCP 的价值一半在衍生数据：
- 组织分割：9 种组织类型 + 87 个脑区（新生儿 pipeline；胎儿用 BOUNTI，同样 9 组织/87 区域口径）。
- 皮层表面重建：Draw-EM 全自动管道产出拓扑正确的白/灰质表面（Makropoulos 2018 自评 85% 与手工边界一致，仅 2% 严重错误且对应高运动样本）。
- 结构连接组：由 dMRI 纤维追踪得到（SC）。
- 功能连接组：由静息态 fMRI 时程相关得到（FC）。
- 新生儿皮层表面图谱：用 multimodal surface matching 构建（Bozek et al. 2018），作为跨受试对齐的公共空间。
2.4 元数据与临床信息
第二版随数据发布的元数据刻意保持极简，只有六项：性别、出生孕周、扫描孕周、出生体重、头围、放射质控分。这样设计有取舍：好处是降低再识别风险、合规负担轻；代价是研究者无法据元数据做族裔、社会经济或更细临床分层。
第四版大幅扩展了非影像数据（另行发布）：孕产史与母体状况、出生临床（分娩方式/apgar 1 和 5 分钟/喂养）、ICU 住院细节、基因组（SNP + 甲基化）、18 月龄眼动追踪、18 月龄 Bayley-III 神经发育结局。这让 dHCP 从"纯影像数据集"演化为"影像+临床+遗传+行为"的多组学资源。
§2B 深度剖析：为什么新生儿脑影像必须重建一套方法学
上一节给出了 dHCP 的规格表，但规格背后的方法学断层才是理解这份数据的钥匙。本节解释：为什么不能拿成人工具直接处理 dHCP，以及 dHCP 为此做了什么。
2B.1 新生儿脑与成人脑的四个本质差异
| 维度 | 成人脑 | 新生儿脑 | 后果 |
|---|---|---|---|
| 髓鞘化 | 基本完成 | 大部未完成 | T1w/T2w 对比反转，白质与灰质外观对调 |
| 脑体积 | 约 1200-1400 cm³ | 约 300-450 cm³ | 分辨率要求、部分容积效应不同 |
| 皮层折叠 | 完整沟回 | 折叠进行中（尤其早产儿） | 成人表面重建算法失败率高 |
| 头动 | 可控 | 频繁、不可控 | 需运动校正重建（SVR） |
这四点决定了 dHCP 必须有专属采集协议+专属分析管道。用成人的 FreeSurfer 直接跑新生儿脑，是初学者的经典翻车点。
2B.2 SVR：让"动来动去"变得可用
新生儿扫描无法保持静止，dHCP 的应对是采集冗余+重建校正：结构 T2w 采集多方向、重叠切片（层厚 1.6 mm、重叠 0.8 mm、轴位与矢状位两套），再用 **SVR（slice-to-volume reconstruction）**把每次被运动打乱的 2D 切片重新配准、重组成一张运动校正的三维体数据。SVR 是 dHCP 数据能用于精细皮层分析的前提之一。
2B.3 分割的"9 组织 + 87 区域"意味着什么
新生儿脑的分割比成人复杂：脑外脑脊液、未髓鞘化白质、皮层灰质与生发基质等区域的对比差异微妙。dHCP 的 9 组织类型 + 87 区域 分割既是产物也是方法学基准——后来的新生儿分割算法大多以 dHCP 的分割作为对照。对下游用户，这套分割可以直接用于：
- 分区形态测量（各脑区体积/厚度）；
- 连接组的节点定义（87 区域可作为网络节点）；
- 跨受试配准的公共空间锚点。
2B.4 表面空间 vs 体素空间：两种坐标系的现实
dHCP 数据天然横跨两套坐标系：
- 体素空间（volumetric）：结构/扩散/功能的 NIfTI 体数据、组织与区域标签；
- 表面空间（surface/CIFTI）：皮层表面网格、表面配准、表面上的功能/连接数据。
研究者在两者间转换需要表面-体素映射。这是使用 dHCP 时最频繁的技术摩擦点：连接组分析多在表面空间，而分割与配准多在体素空间。
2B.5 三个"看起来一样其实不同"的东西
用 dHCP 时，以下三组概念极易混淆，特此澄清：
- T1w 与 T2w：新生儿脑以 T2w 为主，T1w 对比差；不要默认 T1w 是主序列。
- GCA 与 PMA 与 wGA：三者都近似"孕周"，但定义与基线不同（校正年龄/末次月经后年龄/孕周），跨论文比较必须先对齐。
- 结构连接（SC）与功能连接（FC）：SC 来自扩散 MRI 的白质纤维追踪，FC 来自 fMRI 时程相关；二者相关但不等价，不可互换使用。
§2C 规模与代表性：558 例在婴儿脑影像版图中的位置
2C.1 婴儿脑影像数据为何稀缺
婴儿脑 MRI 数据集的稀缺是结构性的，而非技术懒惰：
- 伦理约束：受试者是婴儿，知情同意、风险控制、安抚流程都远超成人研究。
- 招募困难：需在出生后有限窗口内完成招募与扫描，且父母需高度配合。
- 扫描困难：不能镇静、头动剧烈、单次 session 时间受限。
- 处理困难：缺少成熟的新生儿分析工具（这正是 dHCP 要解决的）。
四重约束叠加，使全球范围内 500 例量级的三模态新生儿队列屈指可数。dHCP 的 558 例（第二版）因此在婴儿脑影像中属于旗舰级规模——不是因为它最大，而是因为它在"三模态+健康/早产混合+含胎儿分支"上的综合覆盖。
2C.2 与其他婴儿/发育队列的定性对照
| 队列/数据集 | 人群 | 规模量级 | 模态 | 与 dHCP 关系 |
|---|---|---|---|---|
| dHCP（本条目） | 新生儿+胎儿 | 558（v2）/783（v4） | 结构+扩散+功能 | 旗舰 |
| 发育期队列（ABCD 等） | 儿童/青少年 | 万级 | 结构+功能+行为 | 人群不重叠（年龄更大） |
| 成人 HCP（rid 95） | 成人 | 1200 | 结构+扩散+功能 | 方法学前身 |
| 单中心婴儿研究 | 新生儿 | 数十至百余 | 常单模态 | 常引用 dHCP 做对照 |
关键区分：dHCP 的独特性在人群窗口（0-3 月龄级）而非绝对规模。任何"找婴儿脑数据"的需求，dHCP 通常是最先被推荐的资源。
2C.3 纵向结构：从 subjects 到 sessions
dHCP 的部分婴儿有多次扫描（纵向），这是"558 scans / 505 subjects"差异的来源。纵向成分的价值：
- 可研究同一个体在孕周推进下的连接组变化（真正的四维连接组）；
- 可做个体化的发育轨迹建模；
- 但使用时需注意同一受试者的多次扫描非独立，统计建模须用混合效应或按受试者聚类。
2C.4 健康 vs 病理：dHCP 是"发育队列"不是"疾病队列"
dHCP 招募的是无明确神经系统异常的新生儿（含早产但无报告神经损伤）。这意味着：
- 适合研究正常发育与早产风险；
- 不适合直接做疾病诊断模型（无患病标签）；
- 早产子集可研究"过早出生对发育的影响"，但仍是发育视角而非疾病视角。
§2D dHCP 的"四维"到底是什么维度
dHCP 宣称建立"first 4-dimensional connectome of early life"，这个"第四维"值得展开理解，因为它常被误解。
2D.1 三维是空间，第四维是时间（发育）
- 前三维：脑的空间结构（脑区、连接），与常规连接组一致。
- 第四维：发育时间——从约 20 周到约 44 周 conceptional age 的连接组随孕周/月龄的演化。
所以"四维连接组"不是玄学，而是把连接组放到发育时间轴上：同一年龄窗内刻画连接组的空间结构，跨年龄窗刻画它如何变化。
2D.2 为什么要跨越 20-44 周
这段窗口恰是连接组剧烈重组期：从胎儿期的初步布线，到出生后的感觉经验驱动整合，宏观功能网络（如感觉运动、视觉、默认网络雏形）在此形成。dHCP 通过**胎儿分支（20 周起）+ 新生儿分支（出生后至数月）**拼接出这段连续时间线。
2D.3 第四维带来的数据挑战
- 时间对齐：不同个体扫描时点不同（孕周分布广），需按 GCA/PMA 对齐而非出生后月龄。
- 纵向稀疏：多数个体只有一两次时点，密集纵向少，四维重建依赖群体聚合。
- 发育混杂：早产/足月、扫描龄、出生龄交织，分析须小心控制混杂变量。
§3 采集与处理管线：把 MRI 搬进新生儿病房
3.1 联盟分工：一场跨机构工程
dHCP 不是单一实验室的作品，而是三校分工的大型联盟工程，理解它的分工是理解数据特征的前提：
| 机构 | 角色 |
|---|---|
| King’s College London（KCL，Centre for the Developing Brain） | 数据采集、临床信息、部分图像分析、伦理与临床协作 |
| Imperial College London（Biomedical Image Analysis Group） | 结构 MRI 分析管道（皮层表面重建 Draw-EM、组织分割） |
| University of Oxford（Wellcome Centre for Integrative Neuroimaging, FMRIB） | 扩散 MRI 与功能 MRI 分析管道（借用 HCP 方法学） |
这种分工直接决定了数据的异构性：结构、扩散、功能三条管道的处理逻辑与产物格式各不相同，下游用户对接时需要在三种模态间做对齐。
3.2 采集现场：Evelina 新生儿影像中心
采集在伦敦圣托马斯医院的 Evelina Newborn Imaging Centre 完成——这是少数允许在新生儿病房环境内做长时间 3T 扫描的设施。核心工程约束与对策：
- 不能镇静 → 采用自然非镇静睡眠（喂食后入睡），把全部采集压缩进约 63 分钟单次 session。
- 头动剧烈 → 结构采用多方向重叠切片 + SVR 重建；功能采用 multiband 高时间分辨率采集，靠后处理校正。
- 专用硬件 → 32 通道新生儿头线圈（成人线圈在婴儿头上信噪比与覆盖都差）+ 3T Philips Achieva。
- 伦理合规 → HRA 批准（REC 14/LO/1169），父母书面知情同意覆盖影像采集与数据发布。
3.3 结构 MRI 管道：Draw-EM 与新生儿皮层表面
成人皮层表面重建的行业标准是 FreeSurfer，但它不能直接用于新生儿脑：灰白质对比反转、皮层折叠尚未成熟、脑体积小、脑外组织比例不同。Makropoulos 2018（NeuroImage 173:88-112）提出的 dHCP 全自动管道涵盖三块：
- 皮层与皮层下体积分割（tissue segmentation）
- 皮层表面提取（surface extraction）
- 皮层表面膨胀（surface inflation）
论文核心宣称：465 例 28-45 周 PMA 的新生儿可全自动处理，产出拓扑正确的皮层表面，且 85% 的案例与手工组织边界评注一致；严重错误仅 2%，且都对应高运动受试者。这套管道后来以 Draw-EM 之名成为 dHCP 结构分析的基础。
3.4 扩散 MRI 管道与结构连接组
新生儿 dMRI 面临与成人截然不同的问题：脑体积小、纤维束更细、部分容积效应更严重、髓鞘化未完成导致各向异性图式不同。dHCP 的 dMRI 管道由 Oxford FMRIB 团队主导（Bastiani et al. 2018），产出可用于纤维追踪的校正数据，进而构建结构连接组（SC）。它就是"四维连接组"里"结构"那一维。
3.5 功能 MRI 管道与功能连接组
静息态 fMRI 管道（Fitzgibbon et al. 2020；Baxter et al. 2019）负责把 2300 个 volume 的时程处理为可用的功能连接矩阵，构建功能连接组（FC）。婴儿 fMRI 的特殊难点在于：头动伪影强、长程连接信号弱、需要较长的无伪影记录才能可靠检出前后长程耦合——这解释了为什么下游研究常需要大量质控（§7）。
3.6 胎儿分支：BOUNTI 与 SVR
dHCP 同时采集胎儿（第四版 273 例）。胎儿成像用 6 个不同方向的 T2w stack，经 SVR 重建为各向同性三维体数据，自动剔除损坏数据；分割采用 BOUNTI（Uus et al. 2023），同样为 9 组织类型 + 87 区域口径。胎儿数据与本条目主体（新生儿）在采集与处理上分离，引用时须区分。
§4 质量控制与数据过滤：radiology score 与筛选漏斗
4.1 radiology score：数据自带的质控手柄
dHCP 最关键的设计之一是随数据发布放射质控分（radiology score）——由资深儿科放射科医师对每例扫描评分。它让下游用户能按质量筛选而不必自己重新评估。常见惯例是只纳入 radiology score ≤ 2 的扫描。
这项设计的意义超出 dHCP 本身：它把"影像质量"从隐性变量变成显式元数据字段，使不同研究之间的纳入标准可比。对 AI-Ready 而言，这是"数据自带质量标签"的正面样本。
4.2 筛选漏斗：558 到 486、到 116
dHCP 是原始+去噪前的高异质数据，下游研究必须过滤。两个实证漏斗值得记住：
漏斗 A（iScience 2024 连接组梯度研究，以 783 例为 replication）：
783 例 → 剔除 297 例（低放射质控分 radiology score > 2 共 156 例、fMRI 质控不过 66 例、无 fMRI/镇静 6 例、头动过大 60 例、配准质量差 9 例）→ 取每人最早一次 session → 486 例（216 女 / 270 男，28-45 PMA）。
漏斗 B（STS 功能连接研究，基于 release 2 的 558/505）：
558 → 初筛（足月等效扫描 + 高质量解剖 + 有功能数据 + 平衡孕周 + 双胎取一 + 排除出生 48h 内）→ 159 例 → 功能质控 + STS 可提取性 → 116 例（54.3% 男）。
读法：dHCP "558 例"是原始招募规模，任何具体研究实际纳入数会显著更小。引用 dHCP 规模时若混淆"发布规模"与"某研究纳入规模"会产生严重误导。
4.3 头动：婴儿影像的头号伪影
婴儿 MRI 的头动问题远重于成人。iScience 研究中仅"头动过大"一项就剔除 60 例（占原始 783 的 7.7%），若叠加质控不通过者，总剔除率约 38%。对使用者含义：不要把 dHCP 当作"即取即用"的干净数据集——它需要一套质控流程。
4.4 缺失与不均衡
- 双胎处理：dHCP 含双胎，下游研究通常随机取其一以避免冗余。
- 族裔/种族信息缺失：发布方明确不发布 ancestry/race/ethnicity，因此任何按族裔分层的分析在 dHCP 上无法进行。
- 早产/足月不均衡：378 vs 180，且研究常刻意"平衡孕周分布"（如 STS 研究确保跨出生孕周均匀覆盖），提示原始分布本身偏斜。
§5 任务与衍生：这份数据能做什么
dHCP 本身是影像+连接组资源，其"任务"由下游研究者定义。常见的任务类型：
5.1 分割与配准方法学
- 脑组织分割：9 组织类型分割的精度基准；由于新生儿脑的无对比特性，分割是公认难题，dHCP 常被用作训练与评测资源。
- 皮层表面重建：Draw-EM 之后的改进方法（深度学习表面重建）多以 dHCP 为对照。
- 跨模态/跨年龄配准：把新生儿脑对齐到成人空间或新生儿图谱（Bozek 2018 表面图谱）。
5.2 脑龄与发育预测
- 脑龄（brain age）预测：从影像预测出生孕周或扫描孕周，用于刻画发育偏离。
- 早产儿发育轨迹：利用早产儿样本研究连接组发育如何被过早出生改变。
- 连接组梯度预测结局：如 iScience 2024 用出生时的感觉运动-视觉连接组梯度预测 2 岁神经认知结局。
5.3 连接组学
- 结构连接组（SC）：白质纤维束发育、脑网络拓扑（小世界性、模块化）的早期形成。
- 功能连接组（FC）：静息态网络（如默认网络雏形、感觉运动网络）的早期组织与长程整合。
5.4 生成式与合成影像
- 合成新生儿/胎儿 MRI：arXiv:2501.19338 用扩散模型生成病理性胎儿/新生儿 MRI，dHCP 作为训练资源（9 组织/87 区域标签）；此类工作把 dHCP 用作用户可训练生成模型的高质量标签源。
5.5 多组学整合（第四版起）
第四版接入基因组（SNP/甲基化）、眼动追踪、Bayley-III 结局后，dHCP 支持影像-遗传-行为的关联研究——如连接组特征与基因多态性或 18 月龄发育结局的关联。这是"四维连接组"愿景中"联结遗传与行为信息"的落地。
5.6 衍生数据结构示意
| 层面 | 产物 | 格式（下游常见） |
|---|---|---|
| 原始影像 | 结构 T2w/T1w、dMRI、fMRI | NIfTI |
| 中间产物 | 运动校正体数据、配准变换 | NIfTI + 变换矩阵 |
| 分割 | 9 组织类型/87 区域标签图 | NIfTI（label） |
| 表面 | 白/灰质表面、膨胀表面、图谱配准 | GIFTI / CIFTI |
| 连接组 | 结构连接矩阵、功能连接矩阵 | 矩阵（.csv/.mat） |
| 元数据 | 性别/孕周/体重/头围/质控分 | Excel/CSV |
| 多组学（v4） | SNP/甲基化/眼动/Bayley-III | 表格 |
对齐提示：结构用体素空间（NIfTI），表面与连接组用表面/CIFTI 空间——三类空间之间的对齐是使用 dHCP 的高频技术难点。
§5B 典型案例解剖：dHCP 是怎么被真实研究使用的
抽象地列任务类型不如看三个真实研究的"使用现场"。以下三例均来自已见的一手/近一手来源，展示 dHCP 在实践中的典型用法、筛选与陷阱。
5B.1 案例一：颞上沟（STS）功能连接——精细脑区的功能分析
研究问题：出生时颞上沟（superior temporal sulcus, STS）的功能连接是否已呈现左右/上下/前后分区？孕周与性别是否影响？
数据使用：
- 来源：dHCP release 2（558 sessions / 505 subjects）。
- 筛选：仅取足月等效年龄（term-equivalent）扫描、按 radiology score 保留高质量解剖、确保有功能数据、跨出生孕周平衡、双胎随机取一、排除出生后 48 小时内的扫描 → 159 例初筛。
- 终纳入：功能质控 + STS 可可靠提取 → 116 例（54.3% 男）。
方法要点：
- 用 dHCP 的 Draw-EM 分割得到灰/白质/脑脊液，归一化 T2w；
- 在个体原生空间重建 STS 形状并分为四个 ROI（上下 × 前后）；
- 分析静息态功能连接，检验孕周与性别效应。
结论指向：孕期周围皮质网络的上下/腹背/左右基本分区在足月龄已可观察到，且对环境差异相对不敏感（右颞叶除外）——提示语言/声音处理网络的部分组织在出生时已就位。
对使用者的启示：
- 从 558 到 116 的漏斗（约 79% 损耗）说明精细分析（单脑区）的样本损耗极大；
- term-equivalent 筛选是研究"出生时组织"的标准做法；
- dHCP 的功能数据可支撑单脑区级精度，但需严格质控。
5B.2 案例二：连接组梯度预测 2 岁结局——纵向预测
研究问题：出生时的感觉运动-视觉连接组梯度能否预测 2 岁神经认知结局？
数据使用：
- 以 dHCP 783 例（第四版口径）为 replication 队列；
- 质控剔除 297 例（低放射分 156、fMRI 质控不过 66、无 fMRI/镇静 6、头动过大 60、配准差 9）；
- 取每人最早一次 session → 486 例（216 女/270 男，28-45 PMA）作 replication dataset。
方法要点：
- 从 fMRI 构建连接组梯度（connectome gradient）——把高维连接矩阵降维到低维梯度空间；
- 感觉运动-视觉梯度作为发育指标；
- 与 2 岁 Bayley-III 结局做关联。
结论指向：连接组梯度随发育演化，且其出生时特征与后续神经认知结局相关——支持"早期连接组织具有预测价值"。
对使用者的启示：
- 第四版的**结局数据（Bayley-III）**使 dHCP 可做纵向预测，这是相对第二版的重大扩展；
- 486 例的规模支撑了群体级预测建模；
- 质控是关键前置步骤（约 38% 剔除）。
5B.3 案例三：胎儿/新生儿 MRI 合成——生成模型训练资源
研究问题：能否用扩散模型合成病理性胎儿/新生儿 MRI？
数据使用：
- 以 dHCP neonates 的 9 组织/87 区域标签作为训练资源之一；
- 因新生儿影像质量高，未做剔除（对比胎儿影像需剔除 650 张）；
- 训练集年龄范围 21-44 周 GCA。
方法要点：
- 两步框架：扩散模型训练 + 标签图修改 + 病理性影像合成；
- 利用 dHCP 的高质量分割标签做条件生成。
结论指向：dHCP 的标签质量足以支撑生成式建模，可用于合成病理性影像以补充稀缺数据。
对使用者的启示：
- dHCP 的分割标签本身就是高价值资产（不只影像）；
- 新生儿数据质量普遍高于胎儿数据，常被优先用于训练；
- 生成式方法把 dHCP 用作用户可扩展的数据源。
5B.4 三案例横向对照
| 案例 | 使用版本 | 原始规模 | 终纳入 | 模态 | 核心方法 |
|---|---|---|---|---|---|
| STS 功能连接 | release 2 | 558 | 116 | fMRI + T2w | 单脑区功能连接 |
| 连接组梯度预测 | v4 | 783 | 486 | fMRI + 结局 | 连接组梯度 + 预测 |
| MRI 合成 | neonates | — | 未剔除 | 全部 + 标签 | 扩散生成模型 |
共同规律：dHCP 的用户几乎都要经历"原始规模 → 质控漏斗 → 分析子集"三步，且终纳入规模普遍是原始规模的一半甚至更少。这一规律对所有打算使用 dHCP 的研究者都成立：为质控留出样本预算。
5B.5 使用 dHCP 的通用工作流模板
1. 注册（机构邮箱）→ 签条款 → 下载所需子集（torrent）
2. 读元数据表（Excel）：sex/age at birth/age at scan/birthweight/HC/radiology score
3. 质控筛选：
a. radiology score ≤ 2（常用）
b. 头动指标
c. 配准质量
d. 双胎去重
e. 排除出生 48h 内（如需）
f. 平衡孕周（如需）
4. 选择坐标系：体素（分割/区域）或表面（连接/形态）
5. 连接组构建：SC（dMRI）或 FC（fMRI）
6. 建模/分析 + 报告纳入排除流程
7. 引用：数据发布论文 + 相关管道论文
这套模板几乎适用于所有 dHCP 下游研究——它是"数据自带结构+质控手柄"带来的可复制性红利。
§6 获取与许可：注册+协议制的门怎么进
6.1 获取模式：不是 CC，是注册+协议
dHCP 采用**注册 + 数据共享协议（data sharing agreement）**制，这是它区别于 Kvasir、MIMIC 等公开直链数据集的核心特征。完整流程：
- 注册：在 dHCP 数据登录页选择 Register，填写必填字段。
- 邮箱必须是机构邮箱（institutional email）——个人邮箱不被接受。
- LAB 字段必须含实验室/院系/大学全称 + 国家。
- 验证邮箱：点击验证链接后，可登录浏览项目（数据发布）的公开界面（仅浏览，不能下载）。
- 签署用户条款：对目标 Project 点击 Sign user terms，确认后解锁下载。
- 下载：见 §6.2 两条通道。
6.2 两条下载通道
| 通道 | 对象 | 说明 |
|---|---|---|
| Academic Torrent（推荐） | 影像大数据 | 数据集庞大（预期 ~500GB）；下载 .torrent 后用 BitTorrent 客户端，可选择性下载子集；鼓励下载/上传比 1.0（非强制） |
| 表格直下 | 非影像数据 | 从 Options 菜单选 Spreadsheet，直下 Excel 元数据表 |
torrent 的取舍：它是应对 ~500GB 量级的务实方案（fail-safe、多源并发），代价是依赖 P2P——部分机构 IT 可能封锁 P2P 流量。官方明确说明：只要你有权持有数据，P2P 传输是合法的，并建议把这句话转达给 IT 团队。
6.3 入口迁移（重要）
旧站点（developingconnectome.org）已不再提供下载；第二版起的所有数据统一迁移至 https://biomedia.github.io/dHCP-release-notes/。检索者若从旧官网找下载链接会扑空——这是高频踩坑点。
6.4 引用要求
官方要求：若使用 dHCP 数据或管道，须引用相应出版物（How to cite notes）。结构管道引 Makropoulos 2018（NeuroImage 173:88-112）；扩散管道引 Bastiani 2018；功能管道引 Fitzgibbon 2020 / Baxter 2019；数据发布本体引 neonatal data release paper。多模态使用时通常需同时引用多个管道论文。
6.5 许可与合规特征小结
| 维度 | dHCP 状态 |
|---|---|
| 是否收费 | 否 |
| 是否公开直链 | 否（注册+条款后经 torrent 发放） |
| 注册门槛 | 机构邮箱 + LAB 全称/国家 |
| 伦理批准 | UK HRA，REC 14/LO/1169 |
| 同意的发布授权 | 父母书面同意明确覆盖数据发布 |
| 族裔/种族信息 | 明确不发布 |
| 派生/再分发 | 受数据共享协议约束（条款全文为获取前提） |
6.6 AI-Ready 评估：合规与摩擦的平衡
dHCP 在"AI-Ready"光谱上的位置：
- 加分项：结构化程度极高（影像+分割+表面+连接组+元数据+质控分）；机构化获取通道清晰；torrent 支持子集选择降低实际下载负担；伦理合规透明（REC 号、同意书、资助号齐全）。
- 扣分项：非零摩擦（注册+机构邮箱+条款签署）；无 CC 公开许可；~500GB 体量本身即工程门槛；原始数据异质需自建质控流程。
- 对比定位：优于纯"邮件申请人工审批"制（如某些病理数据集），劣于纯 CC 直链（如多数 Kaggle/HF 数据集）。它是"合规可获取性"的典型代表——门槛存在但标准化、可自助完成。
§7 评估与基准：没有 leaderboard，但有硬惯例
7.1 dHCP 不是挑战赛
与 BraTS、PANDA 等自带 leaderboard 的挑战赛数据集不同，dHCP 无官方排行榜。它的"评估"全部体现为下游研究的自发使用与对比。因此条目对它的定位是资源型数据集，而非基准型数据集。
7.2 管道论文的自评基线
dHCP 唯一可称"官方评估"的是管道论文（Makropoulos 2018）的自评：
| 指标 | 数值 |
|---|---|
| 可全自动处理例数 | 465 例（28-45 PMA） |
| 表面拓扑正确 | 是（全自动产出） |
| 与手工边界评注一致 | 85% |
| 严重错误率 | 2%（均对应高运动样本） |
| 分区准确率 | 声称优于当时最先进的新生儿组织分割模型 |
这是"方法论文自带基准"的典型，但它是管道质量评估，不是数据集难度基准。
7.3 第三方使用的规模证据
dHCP 的影响力体现在第三方研究的引用与再筛：
- iScience 2024（感觉运动-视觉连接组梯度预测 2 岁神经认知）：以 dHCP 783 例为 replication，质控后 486 例；证明 dHCP 规模足以支撑纵向结局预测研究。
- STS 功能连接研究（biorxiv/Springer 2025）：从 release 2 筛出 116 例，研究颞上沟功能连接的孕周与性别效应；证明 dHCP 可支撑精细脑区的功能连接分析。
- 胎儿/新生儿 MRI 合成（arXiv:2501.19338）：以 dHCP 为训练资源（9 组织/87 区域标签），证明其标签质量可用于生成模型训练。
7.4 质控惯例：使用 dHCP 的事实标准
虽无官方基准，但形成了事实惯例：按 radiology score ≤ 2 纳入 + 头动/配准质控 + 双胎去重 + 必要时平衡孕周分布。任何声称使用 dHCP 的研究，其"纳入例数"都应视为经过这套漏斗后的结果（§4.2）。
7.5 评估维度对照
| 维度 | dHCP 表现 |
|---|---|
| 官方 leaderboard | 无 |
| 自带质控标签 | 有（radiology score） |
| 方法学基线 | 有（Draw-EM 管道论文 85%/2%） |
| 下游复现难度 | 中（需注册+质控+多模态对齐） |
| 规模支撑力 | 强（500+ 例三模态，可支撑结局预测） |
§8 生态与互链：发育神经影像资源网
8.1 项目家族对照（务必区分）
dHCP 处于一个易混淆的"连接组"家族中心，必须理清关系：
| 项目 | 人群 | 关系 |
|---|---|---|
| dHCP（本条目） | 新生儿 + 胎儿 | KCL+Imperial+Oxford，ERC 319456 |
| Human Connectome Project（HCP，库内 rid 95） | 成人（WU-Minn-Oxford） | dHCP 的方法学前身：dHCP 明确"following established best practices adopted by the WU-MINN HCP"，并复用其计算资源（1U54MH091657-01） |
| 1000 Functional Connectomes（库内 rid 295） | 成人为主 | 同主题（功能连接组）不同人群 |
| ABCD Study（库内） | 青少年（9-10 岁起） | 发育神经影像谱系的后续阶段 |
| HCP Lifespan 相关项目 | 跨年龄 | 衔接婴儿与成人 |
关键区分：库内 rid 95（human-connectome-project）是成人 HCP，不是 dHCP。二者名称相似、方法学同源，但人群（成人 vs 新生儿）与数据完全不同。检索者极易混淆——这是本条目最需要强调的互链边界。
8.2 库内可互链条目（建议 + rid）
| 条目 | rid | 互链理由 |
|---|---|---|
| human-connectome-project | 95 | 成人 HCP，dHCP 方法学前身，最近邻对照 |
| 1000-functional-connectomes | 295 | 功能连接组大样本对照 |
| abcd-study | 目录存在（rid 待 DB 反查） | 青少年脑发育谱系延续 |
| adhd-200 | 目录存在 | 功能连接 + 发育/疾病对照 |
| abide | 目录存在 | 自闭症脑影像倡议，功能连接对照 |
| cam-can | 目录存在 | 大样本脑影像队列方法学对照 |
| nki-rockland | 目录存在 | 大样本脑影像队列 |
| hbn-eeg | 目录存在 | 发育队列（EEG 模态对照） |
| bigbrain | 目录存在 | 脑图谱/分割方法互链 |
| allen-brain-atlas | 目录存在 | 脑图谱互链 |
8.3 生态位置
dHCP 在生态中是**"生命早期连接组"的唯一旗舰级开放资源**：向上衔接成人 HCP（方法学），向下衔接儿童/青少年队列（ABCD、HBN），横向对照其他大样本脑影像队列（UK Biobank、Cam-CAN 等）。它的独特性来自人群的稀缺窗口（新生儿+胎儿）而不仅是规模。
§9 避坑清单：使用 dHCP 前必须知道的十个坑
坑 1：把 dHCP 当成网络协议 DHCP。
dHCP = developing Human Connectome Project（发育人脑连接组）；DHCP = Dynamic Host Configuration Protocol（动态主机配置协议）。二者仅英文缩写形近、大小写相仿，检索时若不加限定词（如 “neonatal”、“brain MRI”、“connectome”）会被网络技术文档淹没。这是本条目首要的身份澄清。
坑 2：混淆 dHCP 与成人 HCP。
库内 rid 95（human-connectome-project）是成人 HCP。dHCP 虽借鉴其方法学、复用其计算资源，但对象是新生儿。名称、缩写、方法学都像，人群完全不同——引用时务必写明 “developing”。
坑 3：把"558"的口径想当然。
官网"558 neonatal subjects"与第三方"558 T2w scans from 505 neonates"是同一批数据的两套计数（session vs unique subject）。跨来源汇总前必须先对齐口径（§2.1.1）。
坑 4：年龄区间照抄单一来源。
23-44 周 GCA（arXiv）、24-45 wGA（biorxiv）、28-45 PMA（管道论文）三口径对应不同统计维度（出生孕周/扫描孕周/纳入范围）。照抄其一都可能出错。
坑 5：把发布规模当成实际可用规模。
558 是原始招募/发布规模；具体研究经质控后常只剩三四百甚至百余例（558→486、558→116）。混淆二者会严重高估可用样本。
坑 6：以为数据是"即取即用"的干净数据。
dHCP 是高异质原始数据，头动/配准/质量变异大，必须按 radiology score 与自建质控过滤。iScience 研究中总剔除率约 38%。
坑 7：从旧官网找下载链接。
旧站点（developingconnectome.org）已不再提供下载，全部迁移至 biomedia.github.io/dHCP-release-notes/。老链接会扑空。
坑 8：用个人邮箱注册。
dHCP 注册只接受机构邮箱，个人邮箱（gmail 等）会被拒。LAB 字段还须填完整机构全称与国家。
坑 9：忽视版本漂移。
第二版 558 例、第四版 783 新生儿+273 胎儿。写论文/做对比时若不定版本，数字会互相打架。第四版还新增了基因组、眼动、Bayley-III 等非影像数据，与第二版的"纯影像+极简元数据"差异巨大。
坑 10：期待按族裔/种族分层。
发布方明确不发布 ancestry/race/ethnicity，任何族裔分层分析在 dHCP 上不可行。这不是数据缺失的疏漏，而是刻意的隐私设计。
§9B 深度议题：限制、伦理与版本演进
§9 列了十个使用坑。本节把其中三条最值得展开的议题单独深化：数据限制的后果、伦理设计的取舍、版本演进的影响。
9B.1 限制清单的后果分析
dHCP 的限制不是"缺点罗列"，每一条都会实际改变研究设计。逐条拆解：
限制一：注册协议制的获取。
后果：无法像 CC 直链数据集那样"一句话复现"；论文的方法节必须描述获取路径；协作项目中每个研究者通常需各自注册。缓解：流程标准化、可自助，团队内一次注册即可覆盖。
限制二：极简元数据。
后果：无法做族裔、社会经济、细粒度临床分层；跨研究比较时缺乏协变量。缓解：第四版补充了部分临床与遗传信息；不足处只能接受或结合其他数据源。
限制三：族裔/种族信息缺失。
后果：任何公平性/偏差分析无法在 dHCP 上直接进行。缓解：无——这是刻意的隐私保护设计，研究者若需族裔维度须另寻数据。
限制四：数据异质需自建质控。
后果：原始规模不等于可用规模（558→486 或 558→116）；复用他人结果时须核对其纳入标准。缓解：radiology score 提供了统一筛选手柄。
限制五：版本漂移。
后果：引用混乱、规模数字打架。缓解：引用时显式标注版本。
限制六：早产/足月不均衡。
后果：跨孕周分析须先平衡分布；直接汇总会混入出生龄效应。缓解：研究设计时做孕周分层或加权。
9B.2 伦理设计的取舍：透明度 vs 隐私
dHCP 的伦理架构是一次精心的平衡：
| 设计 | 收益 | 代价 |
|---|---|---|
| 父母书面知情同意含发布授权 | 数据可合法开放 | 同意流程复杂、招募门槛高 |
| 极简元数据 | 降低再识别风险 | 研究分层能力受限 |
| 不发布族裔/种族 | 保护隐私与公平 | 无法做公平性分析 |
| 机构邮箱注册 | 追踪使用者、约束再分发 | 门槛高于匿名下载 |
| HRA 批准 + REC 号公开 | 合规透明、可审计 | — |
核心张力：开放科研数据需要在"让更多人能用"与"保护婴儿隐私"之间取舍。dHCP 选择的路径是受控开放（controlled access）——比完全封闭开放，比完全开放受限。这是当代敏感人群数据共享的主流范式，dHCP 是执行得较彻底的样本。
9B.3 版本演进对研究的影响
dHCP 从第二版到第四版的演进不是简单的"数据变多"，而是数据性质的变化：
| 演进维度 | 第二版 | 第四版 |
|---|---|---|
| 新生儿规模 | 558 | 783 |
| 胎儿 | 未独立发布 | 273 |
| 非影像数据 | 极简元数据 | +基因组+眼动+Bayley-III |
| 发布形态 | 分离 | 合并（胎儿+新生儿） |
| 下载入口 | 旧官网 | biomedia.github.io |
对研究者的三重含义：
- 可做的新问题：第四版的多组学与结局数据解锁了"影像-基因-行为"关联，第二版做不到。
- 复现的口径风险：用第二版做的研究，引用时若被当成第四版会产生规模不一致；反之亦然。
- 获取的路径迁移：老论文里的下载链接会失效，须转新入口。
维护建议：任何基于 dHCP 的长期项目都应锁定版本并在方法节写明版本号与获取日期，避免版本漂移导致的复现困难。这一条对所有多版本演进的数据集都通用。
9B.4 与"开放数据"光谱的关系
把 dHCP 放进数据开放光谱：
完全封闭 ←──────────────────────────→ 完全开放
（仅内部） 受控开放（dHCP） 注册制 CC 直链（Kvasir/MIMIC）
↑
机构邮箱+协议+torrent
dHCP 位于受控开放段：门槛真实存在但规则化。它不是最开放的数据集，但在婴儿脑影像这个高伦理敏感领域，可能是"能在合规前提下达成的最大开放度"。评价它时不应拿"是否 CC 直链"作唯一标尺，而应看"在伦理约束下开放得是否充分、是否可用"——dHCP 在这一点上是合格甚至优秀的。
9B.5 对 AI-Ready 评估体系的启示
dHCP 给"AI-Ready"评估提出一个方法论问题：当合规门槛是数据固有属性时，如何量化"就绪度"？
若简单按"能否零摩擦下载"打分，dHCP 会被判低分，但这忽略了：
- 数据的可获取性（符合条件者都能获取）；
- 数据的可用性（结构完整、文档齐全、可复现）；
- 数据的稀缺性（无替代品，低门槛换不来替代数据）。
更合理的评估应区分**“摩擦"与"不可得”**：dHCP 是"有摩擦但可得"，而非"不可得"。本条目在 DAIMS 评估（附录 B）中对访问维度给"中"而非"低"，正是这一判断的体现——它承认门槛，但不把它等同于不可用。
§10 方法学启示：三条可迁移的经验
10.1 大科学工程的"分工式"数据生产
dHCP 证明了一个可迁移的组织模式：采集集中、分析分工、共享标准化。KCL 管采集与临床、Imperial 管结构管道、Oxford 管扩散与功能管道，三方各出一套经过验证的方法论文，再汇成统一发布。这种结构的优点是可扩展、可问责（每个模态有明确的管道论文可引），代价是多模态异构——下游要做跨模态对齐。对构建大型多模态数据集的团队，dHCP 是值得复制的分工模板。
10.2 "数据自带质控标签"是设计决策
radiology score 的嵌入看似小事，实则极大改善可用性：它把影像质量从"每个用户自己判断的隐性变量"变成"统一的可筛选字段"，使不同研究的纳入标准可比。任何影像数据集的发布方都应考虑：能不能给每条数据一个显式的质量标尺。
10.3 获取门槛的"标准化"比"低门槛"更重要
dHCP 的门槛（机构邮箱+条款）不低，但它标准化、可自助——符合条件的研究者能顺利走完流程，无需人工审批等待。相比"邮件申请+作者裁量"的获取模式，这种规则透明的合规获取在科研可复现性上更有价值。它提示：AI-Ready 的核心不是"零门槛"，而是"门槛清晰可预期"。
§11 与库内条目的关系
11.1 家族图谱
dHCP 在库内属于脑影像/连接组学家族：
- 成人端：human-connectome-project（rid 95，成人 HCP）——方法学母体
- 大样本端：1000-functional-connectomes（rid 295）、cam-can、nki-rockland
- 发育端：abcd-study（青少年）、hbn-eeg（发育 EEG）、adhd-200、abide（发育相关疾病）
- 图谱/方法端：bigbrain、allen-brain-atlas
dHCP 的生态位：从出生到幼儿的桥——连接成人连接组方法与儿童队列之间的空白窗口。
11.2 检索路径建议
- 想找 dHCP → 用 “developing Human Connectome Project”、“dHCP neonatal”、“developingconnectome” 作关键词，不要只搜 “dhcp”。
- 想避免撞成人 HCP → 关键词加 “neonatal”/“infant”/“developing”。
- 想找同源方法学 → 从 dHCP 的管道论文（Makropoulos 2018）反向检索引用它的表面重建方法。
§12 总结
12.1 三句话总结
- dHCP（发育人脑连接组计划）是 KCL+帝国理工+牛津联合打造的生命早期脑 MRI 旗舰数据集，第二版 558 例新生儿（第三方去重 505），第四版扩至 783 新生儿+273 胎儿。
- 三模态（结构 T2w + 扩散 + 静息态 fMRI）+ 丰富衍生数据（9 组织/87 区域分割、皮层表面、连接组）+ 极简元数据（含 radiology score），靠注册+数据共享协议获取。
- 它不是网络协议 DHCP，也不是成人 HCP——身份澄清是使用时第一要务；它是开发婴儿脑模型的稀缺资源，也是"合规获取型"数据的典型样本。
12.2 适合谁
- 婴儿/新生儿脑影像研究者：寻找大规模三模态婴儿队列。
- 连接组学团队：研究生命早期结构/功能连接的形成。
- 脑分割与配准方法开发者：dHCP 是新生儿分割的公认难点基准。
- 早产儿发育研究者：dHCP 含约 180 早产儿（82 极早产），覆盖发育关键窗口。
- 生成式脑影像研究者：可利用其高质量分割标签训练合成模型。
- 脑龄/发育预测研究者：结合第四版的 18 月龄结局可做纵向预测。
12.3 不适合谁
- 想要即取即用干净数据的人：dHCP 需质控、需注册、多模态异构。
- 做族裔/社会经济分层的分析：发布方不提供相关信息。
- 需要临床诊断标签的人：dHCP 是研究性健康/发育队列，非临床标注数据集。
- 想零摩擦批量下载的人：注册+协议+~500GB torrent，不是直链。
12.4 30 秒决策卡
| 你的需求 | dHCP 是否合适 | 动作 |
|---|---|---|
| 婴儿脑结构/功能连接研究 | ✅ 极合适 | 机构邮箱注册 → 签条款 → torrent 取子集 |
| 新生儿脑分割基准 | ✅ 合适 | 用 Draw-EM 产物 + radiology score 质控 |
| 早产儿发育轨迹 | ✅ 合适 | 筛选早产子集，注意孕周平衡 |
| 零摩擦快速获取 | ❌ 不合适 | 改找 CC 直链数据集 |
| 族裔分层分析 | ❌ 不可行 | 数据不含族裔信息 |
| 想找成人 HCP | ❌ 找错了 | 转 human-connectome-project（rid 95） |
FAQ（高频问答）
A. 基础认知
Q：dHCP 是什么的缩写？
developing Human Connectome Project，发育人脑连接组计划。
Q：它和 DHCP 有什么关系？
没有任何关系。DHCP 是网络协议（Dynamic Host Configuration Protocol），dHCP 是神经影像数据集。仅英文缩写形近。
Q：谁做的？
King’s College London、Imperial College London、University of Oxford 三方联盟，ERC 资助（Grant 319456）。
Q：在哪采集的？
伦敦圣托马斯医院的 Evelina Newborn Imaging Centre。
Q：研究目标是什么？
建立生命早期的第一张四维连接组——覆盖 20-44 周 conceptional age 的动态人脑连接图谱，联结影像、临床、行为与遗传。
Q：伦理批号？
UK HRA 批准，REC reference 14/LO/1169，父母书面知情同意含数据发布授权。
B. 数据与获取
Q：第二版有多少例？
558 例新生儿（官网 subjects 口径）；第三方去重口径为 505 neonates。
Q：第四版呢？
783 新生儿（886 数据集）+ 273 胎儿（297 数据集），2024 年 5 月发布。
Q：包含哪些模态？
结构 MRI（T2w 为主）、扩散 MRI、静息态 fMRI 三模态。
Q：怎么下载？
机构邮箱注册 → 验证 → 签用户条款 → Academic Torrent 下载（预期 ~500GB，可选择性取子集）。
Q：收费吗？
不收费，但需注册并签署数据共享协议。
Q：旧官网还能下吗？
不能。已迁移至 biomedia.github.io/dHCP-release-notes/。
C. 数据规格与质控
Q：扫描仪是什么？
3T Philips Achieva + 32 通道新生儿头线圈。
Q：结构 T2w 参数？
面内 0.8×0.8 mm²，层厚 1.6 mm（重叠 0.8 mm），TR 12 s / TE 156 ms。
Q：为什么用 T2w 而不是 T1w？
新生儿髓鞘化未完成，T1w 灰白质对比差，T2w 更能分辨。
Q：婴儿要镇静吗？
不镇静，采用自然睡眠（喂食后入睡）。
Q：radiology score 是什么？
数据集自带的、由儿科放射医师给出的影像质量评分，供下游筛选（常用 ≤ 2）。
Q：数据干净吗？
不干净，需自建质控。第三方研究剔除率常达 30-40%。
D. 年龄与构成
Q：婴儿多大？
口径依来源：23-44 周 GCA / 24-45 wGA / 28-45 PMA，取决于统计的是出生孕周、扫描孕周还是纳入范围。
Q：早产儿多吗？
约 180 例早产（含 82 例极早产，出生 <32 周），占比约 32%。
Q：有胎儿数据吗？
有，第四版 273 例胎儿（用 BOUNTI 分割），与新生儿分开处理。
Q：有族裔信息吗？
没有，发布方明确不发布 ancestry/race/ethnicity。
E. 衍生数据与任务
Q：有哪些衍生数据？
9 组织类型/87 区域分割、皮层表面重建、结构连接组、功能连接组、新生儿皮层表面图谱。
Q：9 组织和 87 区域是什么？
dHCP 新生儿 pipeline 的分割产物：9 种组织类型与 87 个脑区标签。
Q：Draw-EM 是什么？
dHCP 开发的全自动新生儿皮层表面重建管道。
Q：能做什么任务？
脑龄预测、早产儿发育、连接组发育轨迹、分割/配准基准、生成式合成影像、多组学关联。
Q：有 benchmark 吗？
无官方 leaderboard。有管道论文自评（465 例、85% 一致、2% 严重错误）与下游自发使用。
F. 与库内其他条目
Q：库里的 human-connectome-project 是同一个吗？
不是。那是成人 HCP（rid 95），dHCP 是新生儿。方法学同源，人群不同。
Q：还有什么相关的？
1000-functional-connectomes（rid 295）、abcd-study（青少年发育）、abide/adhd-200（功能连接+发育疾病）。
Q：怎么在库内找到 dHCP？
搜 “dHCP”、“developing Human Connectome”、“发育人脑连接组”，不要只搜通用词。
事实清单（硬事实）
- dHCP 全称 = developing Human Connectome Project（发育人脑连接组计划）。
- dHCP 与网络协议 DHCP 无任何关系。
- 发起机构三方：King’s College London、Imperial College London、University of Oxford。
- 资助：European Research Council，Grant Agreement no. 319456。
- 采集地：Evelina Newborn Imaging Centre, St Thomas’ Hospital, London。
- 伦理批准：UK HRA，REC reference 14/LO/1169。
- 全部案例取得父母书面知情同意（含数据发布授权）。
- 第二版规模：558 例新生儿（官网 subjects 口径）。
- 第三方去重口径：505 neonates / 558 T2w scans。
- 第四版规模：783 新生儿（886 数据集）+ 273 胎儿（297 数据集），2024-05。
- 管道论文处理 465 例（28-45 PMA）。
- 平台目标：20-44 周 conceptional age 的四维连接组。
- 三模态：结构 MRI、扩散 MRI、静息态 fMRI。
- 扫描仪：3T Philips Achieva，32 通道新生儿头线圈。
- 结构 T2w：0.8×0.8 mm²，层厚 1.6 mm（重叠 0.8 mm），TR 12 s / TE 156 ms。
- fMRI：multiband 9× 加速，TE/TR = 38/392 ms，体素 2.15³ mm³，约 2300 volumes。
- 采集方式：自然非镇静睡眠。
- 单次 session 约 63 分钟。
- 年龄口径：23-44 周 GCA / 24-45 wGA / 28-45 PMA（三来源）。
- 人口构成：约 378 足月 + 180 早产（82 极早产 <32 周）。
- 元数据六项：性别、出生孕周、扫描孕周、出生体重、头围、放射质控分。
- 不发布族裔/种族/社会经济信息。
- 分割产物：9 组织类型 + 87 区域。
- 皮层表面重建管道：Draw-EM。
- 管道论文自评：85% 与手工边界一致，2% 严重错误。
- 结构管道论文：Makropoulos et al. NeuroImage 2018;173:88-112，PMID 29409960。
- dMRI 管道论文：Bastiani et al. NeuroImage 2018。
- fMRI 管道论文：Fitzgibbon et al. 2020；Baxter et al. NeuroImage 2019;186:286-300。
- 表面图谱论文：Bozek et al. NeuroImage 2018;179:11-29。
- 胎儿分割：BOUNTI（Uus et al. 2023）。
- 获取方式：注册 + 数据共享协议制。
- 注册要求：机构邮箱（个人邮箱不接受）+ LAB 全称/国家。
- 下载通道：Academic Torrent（推荐），预期 ~500GB。
- 非影像数据：可直下 Excel 表格。
- 旧官网不再提供下载，迁移至 biomedia.github.io/dHCP-release-notes/。
- 引用要求：须引用相应管道论文（多模态需引多篇）。
- 首次发布方：“images of 558 neonatal subjects”。
- 项目已完成 >800 新生儿扫描 + >250 胎儿扫描（仍在采集）。
- 新生儿分割与胎儿分割均为 9 组织/87 区域口径。
- HCP 计算资源由 WU-Minn-Oxford consortium 提供（1U54MH091657-01）。
术语表
| 术语 | 英文 | 释义 |
|---|---|---|
| dHCP | developing Human Connectome Project | 发育人脑连接组计划，本项目全称 |
| HCP | Human Connectome Project | 成人人类连接组计划；dHCP 的方法学前身 |
| 连接组 | connectome | 脑区之间连接关系的完整图谱 |
| 四维连接组 | 4-dimensional connectome | 随时间（发育）演化的三维连接图谱 |
| T1w/T2w | T1/T2-weighted | 两类结构 MRI 对比权重 |
| 扩散 MRI | diffusion MRI (dMRI) | 测水分子扩散，用于白质纤维束 |
| DTI | diffusion tensor imaging | 扩散张量成像 |
| 静息态 fMRI | resting-state fMRI | 无任务时的脑功能活动测量 |
| 功能连接 | functional connectivity (FC) | 脑区间 fMRI 时程相关 |
| 结构连接 | structural connectivity (SC) | 脑区间白质纤维束连接 |
| SVR | slice-to-volume reconstruction | 切片到体数据重建，运动校正方法 |
| multiband | multiband EPI | 多带同时激发加速成像 |
| EPI | echo-planar imaging | 回波平面成像，fMRI 常用序列 |
| GCA | gestational/corrected age | 孕周/校正年龄 |
| PMA | post-menstrual age | 末次月经后年龄 |
| wGA | weeks gestational age | 孕周 |
| Draw-EM | — | dHCP 新生儿皮层表面重建算法 |
| BOUNTI | — | 胎儿脑分割方法 |
| 分割 | segmentation | 把影像划分为组织/脑区标签 |
| 皮层表面 | cortical surface | 脑皮层网格表示 |
| 表面膨胀 | surface inflation | 把褶皱皮层展开便于分析 |
| 图谱 | atlas | 跨受试对齐的公共参考空间 |
| 神经线圈 | head coil | MRI 接收线圈 |
| SENSE | sensitivity encoding | 并行成像加速技术 |
| radiology score | — | 数据集自带影像质量评分 |
| 早产 | preterm | <37 周出生 |
| 极早产 | very preterm | <32 周出生 |
| torrent | BitTorrent | P2P 文件分发协议 |
| NIfTI | Neuroimaging Informatics Technology Initiative | 神经影像常用体数据格式 |
| CIFTI | — | 表面+体积混合格式 |
| Bayley-III | Bayley Scales of Infant Development-III | 婴幼儿发育量表 |
附录
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目 slug | dhcp |
| 官方名 | developing Human Connectome Project (dHCP) |
| 类别 | 发育神经影像 / 连接组学 |
| 人群 | 新生儿（第二版 558）；胎儿（第四版 273） |
| 模态 | 结构 T2w/T1w + dMRI + 静息态 fMRI |
| 规模（第二版） | 558 例新生儿 |
| 规模（第四版） | 783 新生儿 + 273 胎儿 |
| 获取 | 注册 + 数据共享协议制 |
| 许可性质 | 非 CC，注册协议制 |
| 库内最近邻 | human-connectome-project（rid 95） |
附录 B：DAIMS 评估全表
DAIMS（Data and Interoperability Maturity/管理成熟度）维度评估：
| DAIMS 维度 | dHCP 状态 | 评级 |
|---|---|---|
| 数据标识（Identity） | 有明确官方名、版本号、伦理号 | 高 |
| 访问（Access） | 注册+协议+torrent，通道清晰但非直链 | 中 |
| 描述（Description） | 官方 release notes + 多篇管道论文 | 高 |
| 格式标准化（Format） | NIfTI/CIFTI/Excel，主流标准 | 高 |
| 元数据（Metadata） | 极简六项 + 质控分；缺族裔/临床细项 | 中 |
| 质量（Quality） | 自带 radiology score，但原始异质需自过滤 | 中高 |
| 许可清晰度（License） | 注册协议制，条款为获取前提 | 中 |
| 可复现性（Reproducibility） | 管道论文齐全，可复现 | 高 |
| 增值/衍生（Value-add） | 分割/表面/连接组/图谱丰富 | 高 |
| 互操作（Interoperability） | 三模态异构，跨模态对齐有成本 | 中 |
综合：dHCP 在"描述、格式、衍生、可复现"上较强，在"访问、元数据、互操作"上因合规与异构而中等。
附录 C：三口径对照登记表
| 口径项 | 表述一 | 表述二 | 表述三 | 裁定 |
|---|---|---|---|---|
| 受试者数 | 558 subjects（官网） | 505 neonates / 558 scans（第三方） | 783 新生儿（第四版） | 版本+计数维度不同，全列 |
| 年龄 | 23-44 周 GCA | 24-45 wGA | 28-45 PMA | 统计维度不同，全列 |
| 组织数 | 9 组织 | 87 区域 | 胎儿同口径 | 一致 |
| 管道例数 | 465（Makropoulos 2018） | 558（发布） | 783（第四版） | 不同时点，全列 |
附录 D：数据获取决策树
需要 dHCP？
├─ 有机构邮箱？
│ ├─ 是 → 注册 → 验证邮箱 → 签用户条款 → 选 Project → torrent 下子集
│ └─ 否 → 需借机构邮箱；个人邮箱不可用（止步）
└─ 只要元数据？
└─ 是 → Options → Spreadsheet 直下 Excel
附录 E：常见机构缩写对照
| 缩写 | 全称 |
|---|---|
| KCL | King’s College London |
| Imperial | Imperial College London |
| Oxford / FMRIB | University of Oxford / Oxford Centre for Functional MRI of the Brain |
| HRA | UK Health Research Authority |
| ERC | European Research Council |
| NIHR | National Institute for Health and Care Research |
| Evelina | Evelina Newborn Imaging Centre |
| WU-Minn | Washington University–University of Minnesota（HCP consortium） |
附录 F：模态-产物-用途映射
| 模态 | 主要产物 | 典型用途 |
|---|---|---|
| 结构 T2w | 组织分割、皮层表面 | 形态学、分割基准 |
| 扩散 MRI | 结构连接组 | 白质纤维束、网络拓扑 |
| 静息态 fMRI | 功能连接组 | 功能网络、发育轨迹 |
| 多模态融合 | 连接组梯度、脑龄 | 结局预测、多组学关联 |
附录 G：质量控制检查清单（使用前）
- 按 radiology score 筛选（常用 ≤ 2）。
- 头动指标筛查（剔除过大运动）。
- 配准质量检查（跨模态/跨年龄配准）。
- 双胎去重（随机取一）。
- 必要时排除出生 48h 内扫描（避免生理影响）。
- 平衡出生孕周分布（如需跨孕周比较）。
- 记录并声明纳入/排除流程（提高可复现性）。
附录 H：引用规范
| 使用内容 | 建议引用 |
|---|---|
| 数据集本体 | dHCP neonatal data release paper（见 release notes） |
| 结构管道 | Makropoulos et al. NeuroImage 2018;173:88-112 |
| 扩散管道 | Bastiani et al. NeuroImage 2018 |
| 功能管道 | Fitzgibbon et al. 2020；Baxter et al. 2019 |
| 表面图谱 | Bozek et al. NeuroImage 2018;179:11-29 |
| 胎儿分割 | Uus et al. 2023（BOUNTI） |
附录 I：库内互链登记
| 条目 | rid（DB 反查） | 关系 |
|---|---|---|
| human-connectome-project | 95 | 成人 HCP，方法学前身 |
| 1000-functional-connectomes | 295 | 功能连接组大样本对照 |
| abcd-study | 待补 | 青少年发育谱系 |
| abide | 待补 | 功能连接+发育疾病 |
| adhd-200 | 待补 | 功能连接+发育疾病 |
| cam-can | 待补 | 大样本脑影像队列 |
附录 J：双口径冲突存照
- 存照 1：受试者数 558（官网）vs 505（第三方去重）——同一批数据两种计数维度。
- 存照 2：年龄 23-44 GCA / 24-45 wGA / 28-45 PMA——三来源统计维度不同。
- 存照 3：版本规模 558（第二版）vs 783 新生儿+273 胎儿（第四版）——版本不同。
- 存照 4：term/preterm 划分 378+180（arXiv）vs 60+56（STS 子集）——子集筛选不同。
附录 K：遗留疑点登记
- dHCP 官方 neonatal data release paper 的精确年份卷期未在本预算内三源锁定。
- 数据共享协议条款全文未逐字抓取（已知为注册+签署用户条款制）。
- 第二版精确总大小（官网 ~500GB 估计）未逐字节核实。
- 第四版是否仍支持单独获取第二版子集，未见明确说明。
附录 L：身份混淆防范声明
本条目发布方与内容均指向 developing Human Connectome Project（dHCP，发育人脑连接组计划）。特此声明：
- 与 DHCP（Dynamic Host Configuration Protocol，动态主机配置协议） 无任何关系；仅英文缩写形近。
- 与 成人 HCP（Human Connectome Project，库内 rid 95） 是不同项目；dHCP 借其方法学但对象为新生儿。
- 检索关键词建议：developing Human Connectome Project、dHCP neonatal、developingconnectome、neonatal brain MRI。
附录 M：三模态采集参数速查表
| 参数 | 结构 T2w | 扩散 MRI | 静息态 fMRI |
|---|---|---|---|
| 主要用途 | 解剖/皮层/分割 | 结构连接（SC） | 功能连接（FC） |
| 扫描仪 | 3T Philips Achieva | 同上 | 同上 |
| 线圈 | 32 通道新生儿头线圈 | 同上 | 同上 |
| 面内分辨率 | 0.8×0.8 mm² | 新生儿专用协议 | 2.15×2.15 mm² |
| 层厚/体素 | 1.6 mm（重叠 0.8 mm） | — | 2.15³ mm³ |
| TR | 12 s | — | 392 ms |
| TE | 156 ms | — | 38 ms |
| 加速 | SENSE 2.11/2.60 | — | multiband 9× |
| 采集时长 | 单 session 约 63 min | 同上 | 约 15 min / ~2300 vol |
| 重建 | SVR | 新生儿 dMRI 管道 | fMRI 预处理管道 |
附录 N：受试者筛选漏斗总表
| 研究 | 起点 | 主要剔除项 | 中间量 | 终纳入 |
|---|---|---|---|---|
| iScience 2024 连接组梯度 | 783 | 低放射分 156 / fMRI 质控 66 / 无 fMRI 6 / 头动 60 / 配准 9 | — | 486 |
| STS 功能连接 | 558 | 非足月等效、低质量、无功能、双胎、出生 48h 内 | 159 | 116 |
| MRI 合成（neonates） | — | 未剔除（新生儿质量高） | — | 未剔除 |
规律：终纳入通常是起点的 15%-65%，取决于分析的严格度。精细单脑区分析损耗最大（如 STS 的 ~79%）。
附录 O：dHCP 版本对照表
| 项 | 第一版 | 第二版（任务头锚点） | 第四版（当前） |
|---|---|---|---|
| 新生儿 | 早期批次 | 558 例 | 783 例（886 数据集） |
| 胎儿 | — | 未独立发布 | 273 例（297 数据集） |
| 三模态 | 是 | 是 | 是 |
| 非影像数据 | 极简 | 极简六项 | +基因组+眼动+Bayley-III |
| 发布形态 | 分批 | 分批 | 合并（胎儿+新生儿） |
| 下载入口 | 旧官网 | 旧官网→迁移 | biomedia.github.io |
附录 P：常见误解对照表
| 误解 | 事实 |
|---|---|
| dHCP 是网络协议 | dHCP 是神经影像数据集；DHCP 才是网络协议 |
| dHCP = 成人 HCP | dHCP 是新生儿；成人 HCP 是库内 rid 95 |
| 有 558 例就能用 558 例 | 经质控常剩 486 或更少 |
| 数据是干净可直接建模的 | 原始异质，需自建质控 |
| 有疾病诊断标签 | 无，是健康/早产发育队列 |
| 有族裔信息可分层 | 无，发布方明确不发布 |
| 一定用 T1w | 新生儿以 T2w 为主 |
| 免费就能直接下 | 免费但需机构邮箱注册+签协议 |
| 有官方 leaderboard | 无，只有管道论文自评与下游自发使用 |
附录 Q：关键词与检索建议
推荐关键词：
- developing Human Connectome Project
- dHCP neonatal / dHCP fetal
- developingconnectome
- neonatal brain MRI / infant connectome
- Draw-EM / BOUNTI / SVR neonatal
应避免的模糊检索：
- 只搜 “dhcp”（会被网络协议淹没）
- 只搜 “connectome”（会混入成人 HCP、1000 connectomes）
- 只搜 “brain MRI”（过于宽泛）
附录 R：文档与资源入口
| 资源 | 入口 |
|---|---|
| 官方站 | https://www.developingconnectome.org/ |
| Release Notes（下载入口） | https://biomedia.github.io/dHCP-release-notes/ |
| 结构管道论文 | NeuroImage 2018;173:88-112（PMID 29409960） |
| 扩散管道论文 | NeuroImage 2018（Bastiani et al.） |
| 功能管道论文 | Fitzgibbon 2020 / Baxter 2019 |
附录 S：维护与更新触发点
以下事件发生时，本条目需要更新：
- 新版本发布（如第五版）——更新规模、模态、非影像数据字段。
- 数据发布论文正式发表——补齐确切年份卷期（当前遗留疑点 1）。
- 获取政策变更（如改为 CC 许可、或增加新注册要求）。
- 管道升级（如 Draw-EM 被新方法取代）。
- 规模核定变化（如 558/505 口径被官方澄清）。
触发动作：改源文件 → 更新 FACTS.md → 重跑 check_md + preflight → 由主会话串行发布。
附录 T：给下游研究者的十条建议
- 先看版本号，再谈规模。
- 为质控留样本预算（预期损耗 30-80%）。
- 用 radiology score 作第一道筛。
- 双胎要随机去重。
- 跨孕周分析先平衡分布。
- 明确用体素空间还是表面空间。
- SC 与 FC 不可互换。
- 引用时覆盖数据 + 相关管道论文。
- 锁定版本与获取日期以便复现。
- 不假设有族裔/疾病/社会经济标签。
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：
- healthy-brain-network — 共享标签：神经科学 / 脑影像 / 队列研究 / 儿科
- nfbs — 共享标签：神经科学 / 脑影像 / MRI / 医学图像分割
- oasis — 共享标签：神经科学 / 脑影像 / MRI / 队列研究
- h01-cortex — 共享标签：神经科学 / 脑影像 / 医学图像分割
- atlas-v2 — 共享标签：神经科学 / 脑影像 / MRI / 医学图像分割
- bonbid-hie — 共享标签：脑影像 / MRI / 医学图像分割 / 儿科
- brainweb — 共享标签：神经科学 / 脑影像 / MRI / 医学图像分割
- adhd-200 — 共享标签：神经科学 / 脑影像 / 队列研究
- cam-can — 共享标签：神经科学 / 脑影像 / 队列研究
- 1000-functional-connectomes — 共享标签：神经科学 / 脑影像 / 队列研究
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。
