RealNoiseMRI 运动退化脑MRI挑战赛数据集

RealNoiseMRI（OpenNeuro accession ds004332）是丹麦哥本哈根 Rigshospitalet 医院神经生物学研究单元（Neurobiology Research Unit，NRU）主办的挑战赛数据集，挑战赛于 2021 年分两轮举办，赛后被试数据匿名化后在 OpenNeuro 公开。数据来自健康志愿者的脑部 MRI：每人在轴位 T1 加权 STIR 与轴位 T2 加权 TSE 两个临床常规序列下，各采集一次静卧真值与一次按预设模式故意移动头部的退化扫描，成对提供图像与对应 k-space。

它的出发点是 fastMRI 社区的一个评测盲区：快速 MRI 重建方法的训练与评测普遍用「全采样图像当真值、人工删 k-space 线」制造欠采样数据，但临床上真正毁掉扫描的往往是患者运动——运动污染 k-space 的方式与删线完全不同，人工欠采样无法反映重建模型在真实退化下的表现。RealNoiseMRI 补的就是这一环：用真实运动污染的成对数据检验重建方法的鲁棒性，并同步评估前瞻性运动校正（prospective motion correction）与选择性重采（selective reacquisition）序列技术的效果。

它适合三类使用者：做 MRI 重建与运动校正算法的团队，把它当真实退化下的鲁棒性测试床；研究图像质量与伪影评估的团队，把它当成对真值研究伪影形态的素材；需要运动轨迹元数据的工程师。第一件事是从 OpenNeuro 下载 CC0 的 BIDS 图像轨直接探查，同时注意：k-space 轨不在 OpenNeuro，需要另行签协议向 NRU 申请；数据量是 22 名健康受试者的小样本，做不了大规模训练，官方也明确建议用 fastMRI 数据预训练。

§1 它是什么

1.1 名称、身份与归属

RealNoiseMRI 是一个挑战赛与其配套数据集的合称。挑战赛托管在 Grand Challenge 平台（realnoisemri.grand-challenge.org），由丹麦哥本哈根大学医院 Rigshospitalet 的神经生物学研究单元（NRU）主办；数据集则以官方长标题「Datasets with and without deliberate head movements for evaluating the performance of markerless prospective motion correction and selective reacquisition in a general clinical protocol for brain MRI」发布在 OpenNeuro，accession 号 ds004332，OpenNeuro 署名作者为 Melanie Ganz 与 Hannah Eichhorn。

名字里的 RealNoise 容易引起误解：它指的不是磁共振信号里的热噪声（thermal noise）或 Rician 噪声，而是「现实世界中真实发生的、污染扫描质量的因素」——挑战赛聚焦的是头部运动。挑战赛自我定位是「对 fastMRI 的镜像与补丁」：任务形态（给退化 k-space、交重建图像、用 SSIM 评分）沿袭 fastMRI，但退化来源从人工欠采样换成了真实运动。关联数据集条目见 fastmri（rid=23）。

1.2 时间线

挑战赛第一轮挂靠 MICCAI 2021，投稿窗口为 2021 年 7 月 27 日至 31 日；第二轮挂靠 MedNeurIPS 2021 工作坊，窗口为同年 11 月 15 日至 20 日。赛程结束后团队将数据匿名化公开：OpenNeuro 首个快照 v1.0.0 于 2022 年 11 月 9 日发布，与配套预印本（PsyArXiv vzh4g，2022 年 11 月 9 日）同日；此后陆续发布 v1.1.1（2023-08-24）、v1.1.2（2023-10-25）、v1.1.3（2024-10-28），最新版本 v1.3.0 于 2024 年 12 月 5 日发布。挑战赛官网现已标注「挑战已结束、数据已公开」。

1.3 与同名概念的区别

检索 RealNoiseMRI 时容易与三类工作混淆。其一，MRI 去噪（denoising）文献里合成的真实噪声数据集，多为在清晰图像上叠加估计噪声，本数据集不做这件事。其二，fastMRI 本身，那是纽约大学团队的大规模膝/脑欠采样重建数据集，本数据集规模小两个量级但退化真实。其三，其他运动伪影数据集，多数只有退化图像而没有静卧真值配对；成对真值是本数据集最稀缺的属性。三者在任务、规模、退化机制上均不同，引用时不可互换。

1.4 挑战赛机制：两轮怎么跑

为什么做成挑战赛

NRU 团队把这套成对数据做成挑战赛而非普通数据论文发布，动机在挑战赛 Description 里写得很直白：快速 MRI 重建领域的评测惯例——拿全采样图像当真值、在 k-space 里删线制造欠采样——检验不了方法在真实退化下的表现。运动污染 k-space 的物理机制与删线不同：运动在相位编码方向引入的相位误差会沿整条 k-space 线传播，删线仿真里根本不存在这一项。要证明「我的重建方法在真实世界里也行」，就需要真实运动污染、又有真值对照的数据，而这在 2021 年之前几乎没有公开选项。挑战赛就是把这个空缺做成一次公开比武：参赛者带来在 fastMRI 上预训练好的模型，在真实退化数据上交卷，主办方用 SSIM 加放射科医师目视评估排名。

两轮的平行设计

两轮赛制结构相同、参数不同。第一轮挂靠 MICCAI 2021，发放 5 例优化/验证数据（退化 k-space 加静卧真值图像）与 20 例测试数据（仅退化 k-space）；第二轮挂靠 MedNeurIPS 2021 工作坊，验证数据扩到 10 例并额外提供真值 k-space，测试仍为 20 例。两轮测试集都扣着真值，参赛者只能把重建结果按规定目录结构（每名测试受试者一个文件夹，T1 与 T2 重建分别为 Recon_nod_t1.nii 与 Recon_nod_t2.nii，打成 tar.gz 上传）提交，由主办方计算 SSIM。两轮需分别签署数据使用协议，投稿窗口各自独立（第一轮 2021 年 7 月 27 至 31 日，第二轮 11 月 15 至 20 日）。

第一轮还配合了 MICCAI 生物医学影像分析挑战兴趣小组发起的问卷倡议——即挑战赛结果可靠性的元研究倡议——要求参赛者随提交附答问卷。这个细节说明主办方参与了当时挑战赛方法学的社区自律进程，引用赛制设计时可以把两轮视为同一年内连续两次独立重复评测。

评测口径

定量指标只有一个：SSIM（structural similarity，结构相似度）。官网未公开逐题的 SSIM 实现细节（窗口、动态范围、逐片还是逐体聚合），这本身是复现排行榜的一个坑——不同 SSIM 实现之间可以有不可忽略的数值差，论文里复述成绩时应注明「主办方口径」。定性指标是放射科医师目视评估，用于检验 SSIM 之外的临床可读性。把两者并置是这套赛制的价值：纯 SSIM 优化可以刷分，但放射科医生的肉眼判断能兜住「数值好看、图像不可读」的失败模式。

1.5 机构与人物

数据背后的团队集中在哥本哈根。神经生物学研究单元（NRU）是 Rigshospitalet（哥本哈根大学医院）内的神经科学研究机构，运行自己的磁共振扫描仪，长期做神经影像方法学；挑战赛与数据集的牵头人是 Melanie Ganz（NRU），OpenNeuro 署名作者与预印本第一作者是 Hannah Eichhorn，预印本作者名单还包括 Frost、Kongsgaard、Kettless、Slipsager、Glimberg 等，覆盖团队里负责序列工程、运动追踪与临床协作的多条线。伦理批准来自哥本哈根与 Frederiksberg 伦理委员会（协议号 H-KF-2006-20），受试者以广告招募并签署书面知情同意。资助来源列表值得记录：Elsass Fonden（拨款 18-3-0147）、Novo Nordisk and Novozymes Talent Program，以及美方的 NIH R21EB029641 与 S10OD025253（仪器共享 grant）、MGH ECOR——美丹两侧资助的并存说明这是跨机构合作项目。联系方式：挑战赛事务走 RealNoiseMRI@nru.dk，Ganz 本人在挑战赛公告里留了直接邮件。复现其分析流程的代码在 GitHub 的 MoCoProject 仓库。

1.6 预印本讲了什么

与数据集配套的预印本（PsyArXiv vzh4g，2022-11-09 提交）标题即研究问题：评估无标记前瞻性运动校正与选择性重采在通用临床脑 MRI 协议中的表现。其逻辑是把数据集当测试台：在这套静卧/运动成对协议下，比较「开运动校正序列」与「关运动校正序列」两个条件下的图像质量，并用选择性重采观察被污染采集的挽救效果。对数据集使用者而言，预印本的价值有两层：一是它是运动轨迹数据与各项协议参数的权威出处，官网 Description 明确说「细节都在预印本里」；二是它给出了一套可直接对照的基线结果，自己的方法结果可以与之参照。检索与引用时注意预印本的作者排序与 OpenNeuro 署名不完全一致（预印本是完整作者列表，OpenNeuro 只署 Ganz 与 Eichhorn），引用以预印本全列表为准。预印本是否已有正式期刊版本，见页脚遗留疑点——成稿时未检索到，若有后续发表，引用时应替换为正式版本。

1.7 挑战赛之外的定位补充

脱离挑战赛语境单独看，ds004332 还有两重定位值得写明。其一，它是一份「临床协议运动鲁棒性参照集」：两个序列的参数就是普通临床扫描的参数，运动退化就是普通患者会造成的运动，因此任何以「临床常规协议下的运动影响」为研究对象的工作，都可以把它当参照点引用，而不必关心挑战赛名次。其二，它是一份运动追踪与采集同步的方法学样本：预设运动、双平均设计、轨迹记录三者组合的实验范式，本身就是一套可复用的采集方案模板，设计类似采集的团队可以直接参考其结构。这两重定位在预印本与挑战赛页面之间散落，集中写在此处供引用时择用。

§2 数据构成

2.1 规模总表

项目	口径	数值
受试者（设计规模）	挑战赛官网	25 名健康志愿者
受试者（公开版）	OpenNeuro 元数据	22 名，sessions=1
序列	每名受试者	T1-STIR、T2-TSE 各一
采集对	每序列	静卧真值 + 预设运动退化，成对
第一轮验证/优化集	挑战赛	5 例（k-space + 真值图像）
第二轮验证/优化集	挑战赛	10 例（k-space + 真值 k-space + 真值图像）
测试集	两轮各	20 例（仅退化 k-space，无真值）

「设计 25、公开 22」的差异见 §4.1 与页脚核对表。挑战赛测试集的真值由主办方保留用于评分，公开版是否补入全部测试例真值，以 OpenNeuro 各版本的 participant 数为准。

2.2 序列参数

两个序列均为无对比剂的临床常规脑协议，2D 编码采集，GRAPPA 并行加速：

参数	Task 1：T1-STIR	Task 2：T2-TSE
序列类型	轴位 Short-TI Inversion Recovery	轴位 Turbo Spin Echo
翻转角	150°	150°
TR/TE/TI	3500/8.6/1387 ms	TR/TE 4400/117 ms
体素尺寸	0.9×0.9×5.0 mm	0.4×0.4×5.0 mm
GRAPPA	PE 方向加速 2，27 条参考线，等距欠采样	PE 方向加速 2，32 条参考线，等距欠采样
Partial Fourier	关	关
平均次数	1	2（Acq 0 偶数线 / Acq 1 奇数线）

T2-TSE 的两次平均是刻意设计：奇偶 k-space 线分属两次平均，使运动校正与重采实验可以在线级比较两次采集。运动退化采集时，受试者在扫描中按主办方预设的运动模式移动头部，因此退化程度与形态可跨受试者、跨轮次比较，这是「预设运动」相对「自发运动」的评测优势。

2.3 文件形态与匿名化

数据分两轨。图像轨为 BIDS 组织的 NIfTI，经去面部（defacing）处理后公开于 OpenNeuro。k-space 轨为 vendor-neutral 的 HDF5（ISMRMRD 体系），匿名化流程与 fastMRI 完全一致：移除 k-space 中携带面部信息的边缘段，重建成 DICOM 后由执业 MR 技师目检确认无可识别面部特征，再进入 PACS 审查。挑战赛还随验证与测试集提供运动数据（motion data），供方法比较运动轨迹与伪影的对应关系。

2.4 字段可靠性

字段	可靠性	依据
序列参数（TR/TE/TI/体素/GRAPPA）	官网逐项列出	挑战赛 Data 页
受试者数 22、BIDS 合法、CC0	OpenNeuro 元数据字段	OpenNeuro v1.1.1/v1.1.2 元数据页
两轮验证/测试例数	官网明示	挑战赛 Description/Data 页
受试者年龄、性别分布	语义存疑（未披露）	OpenNeuro 元数据未填
每例文件体积总量	依惯例推定（未逐版本核对）	未在公开页汇总

2.5 数据采集工艺

预设运动怎么执行

每名受试者对每个序列做两次独立采集：第一次被要求静卧不动，产出 ground truth；第二次在扫描进行中按主办方预设的运动模式移动头部，产出退化版本。预设运动意味着每次运动的幅度、方向和节律是照着剧本来的，可以在受试者之间横向比较退化严重度，也可以把同一剧本投给不同序列观察伪影形态差异。这是「预设运动」相对「自发运动」数据集的评测优势：自变量可控、可重复。

T2-TSE 序列还有一层刻意设计：它做了两次平均（two averages），Acq 0 用偶数 k-space 线、Acq 1 用奇数线。这样任何线级的运动校正或选择性重采实验都有两次独立的平均可用作对照，预印本里评估选择性重采（selective reacquisition，即检测到运动后重采被污染的线）正是用到了这个结构。做线级实验的人必须拿到 k-space 轨才有意义，图像轨做不了。

序列选择的原因

两个序列都是临床脑部常规协议里的常见角色：T1-STIR 提供解剖结构对比，T2-TSE 提供病变敏感对比。选 2D 轴位、层厚 5 毫米而非 3D 各向同性，一方面是让采集时间短到「运动确实会发生」（长 3D 采集里运动几乎必然发生，但退化形态难以归因），另一方面贴近临床最容易被运动毁掉的那类采集。GRAPPA 加速 2 倍是 2020 年前后临床扫描的默认档位，参考线 27 与 32 条让并行重建本身有足够自校准数据，把「加速误差」与「运动误差」在实验上分开。

匿名化与质控链

k-space 无法直接去面部：边缘相位编码线携带的面部信息足以做三维重构，所以这条轨走的是「删除携带面部信息的 k-space 段」的流程，与 fastMRI 的匿名化步骤完全一致。删段后的 k-space 重建成 DICOM，进 PACS，由执业 MR 技师逐一目检确认无可识别面部特征，然后才可外发。图像轨则走常规 BIDS 去面部（defacing）管线。这套双轨质控解释了一个常见疑问——为什么图像能公开而更「原始」的 k 反而不能：匿名化的物理边界在原始数据上，不在重建图像上。

BIDS 组织与版本演进

OpenNeuro 上的图像轨通过 BIDS 校验（元数据页显示 BIDS Validation: Valid），subject/session/anat 层级按标准组织，模态标 MRI。版本链值得记录：v1.0.0 与预印本同日（2022-11-09）首发；v1.0.1 至 v1.0.4 在 2022 年底至 2023 年中做了多轮小修；v1.1.0（2023-06-15）之后进入 1.1 系列，v1.1.1 是 2023 年 8 月的快照、v1.1.2 是 2023 年 10 月的快照；v1.1.3（2024-10-28）与 v1.2.0、v1.3.0（均 2024-12-05）是最近的三个快照。引用时锁定具体快照 DOI，不要写裸 accession——不同版本间的文件清单可能有差异。

2.6 挑战赛发放物与公开版的对应关系

把挑战赛两轮发放物和 OpenNeuro 公开版对上号，是规划复现实验的前提。挑战赛第一轮的 5 例优化/验证数据（退化 k-space 加真值图像）与第二轮的 10 例（另加真值 k-space）都属于请求制轨；两轮各 20 例测试数据（仅退化 k-space）同为请求制，真值由主办方保留。OpenNeuro 公开的图像轨覆盖 22 名受试者，可视为挑战赛所用队列的图像面（含静卧真值），但挑战赛时期的受试者编号、轮次划分与 OpenNeuro 的 BIDS subject 编号的映射表，公开页没有给出——要按轮次复现赛题的团队应在申请 k-space 时一并向 NRU 索要映射说明，不要自行按文件顺序猜测配对。

2.7 与 fastMRI 脑部数据的规格对照

官方把 fastMRI 当预训练源，把两者规格摆在一起有助于预估迁移成本：

维度	RealNoiseMRI	fastMRI（脑部）
定位	真实运动退化下的鲁棒性评测	大规模欠采样重建训练
部位/序列	脑，轴位 T1-STIR + T2-TSE（2D）	脑，轴位 T1 + T2（官方公开 409 例 T1、2524 例 T2，3T）
退化来源	受试者按预设模式真实运动	人工欠采样（删 k-space 线）
加速方式	GRAPPA PE=2（临床常规档）	多档加速仿真
真值	每序列成对静卧真值	全采样原扫描
格式	BIDS 图像 + HDF5 k-space（请求制）	HDF5 k-space 公开
许可	图像 CC0；k-space DUA	数据使用协议（非 CC）
规模	22 人公开	数千例

两个数据集在序列类型、2D 轴位、GRAPPA 体系上对齐，是官方敢直接建议迁移的原因；差异集中在规模（两个数量级以上）、退化机制和许可结构上，实验设计时各自要对号处理。

2.8 图像轨入门：先画什么图

拿到 BIDS 图像轨后的第一轮探查不必上复杂工具，三张图就能建立直觉。第一张：同一受试者同序列两个 run 的同一层并排图，静卧真值一侧脑沟清晰、退化一侧可见沿相位编码方向的模糊或叠影，这一眼就能确认配对有效。第二张：退化 run 的逐层序列帧，观察伪影是否随时间累积——预设运动通常是分段进行的，时序观察有助于把伪影形态与运动剧本对上。第三张：跨受试者的伪影严重度网格图，用同一层拼出全部受试者，挑出退化最轻与最重的极端样本，它们是后续 SSIM 分析里最有信息量的两端。做这三张图时只依赖 nibabel 与 matplotlib 即可，不需要先建重建管线。

§3 怎么拿到

3.1 公开轨：OpenNeuro 直下

图像轨在 OpenNeuro 免注册即可浏览与下载（开放获取层级），地址 openneuro.org/datasets/ds004332，许可 CC0。可用 OpenNeuro 网页端、DataLad（GitHub 镜像 OpenNeuroDatasets/ds004332）或 AWS S3 开放数据桶拉取；数据集已通过 BIDS 校验。建议固定引用最新快照的 DOI（形如 doi:10.18112/openneuro.ds004332.v1.3.0），并同时引用预印本 psyarxiv.com/vzh4g——这是官方 How To Cite 明确要求的。

3.2 请求制轨：k-space 与 DUA

k-space 数据不在 OpenNeuro。官方口径：向 RealNoiseMRI@nru.dk 发送签署好的数据使用协议（DUA），审核通过后以加密文件传输方式发放。DUA 限定用途为内部研究或教育，需遵守其发表与引用条款；第一轮与第二轮的数据要分别签署各自的 DUA。k-space 之所以不公开，是匿名化的物理限制：k-space 原始数据无法像图像那样去面部，保留边缘相位编码线即可重构面部。

3.3 许可口径小结

轨道	许可	获取	商用
BIDS 图像（OpenNeuro）	CC0	直接下载	原则上无限制
k-space（HDF5）	自定义 DUA	签署后邮件申请	未授权，限内部研究/教育
复现代码（GitHub MoCoProject）	以仓库许可为准	直接克隆	按仓库条款

合规要点：论文使用 k-space 或挑战赛成绩时按 DUA 引用条款执行；只用图像轨时 CC0 不构成障碍，但学术惯例仍应引用数据集 DOI 与预印本。

3.4 三条获取路径

路径	内容	门槛
OpenNeuro 网页/S3	BIDS 图像轨，CC0	免费直下，无需注册即可浏览
DataLad/GitHub	同上，git 镜像 OpenNeuroDatasets/ds004332	适合程序化拉取与断点续传
NRU 邮件申请	k-space 轨 + 挑战赛原始发放物	签 DUA，RealNoiseMRI@nru.dk，加密传输

3.5 DUA 条款的实操要点

DUA 的硬约束有两条：用途限定为内部研究或教育；发表与引用须遵守随协议附带的条款（至少引用 OpenNeuro DOI 与预印本）。第一轮与第二轮的数据要分别签发各自的 DUA——如果你要的是「挑战赛全套原始发放物」，两份都得签。签署后 NRU 以加密文件传输发放，没有公开直链、没有 Zenodo 或 HuggingFace 镜像；任何声称提供 k-space 直链的第三方页面都不应采信。

3.6 引用规范

引用除了满足条款，还承担检索入口的功能：下游读者拿到一篇用本数据的论文后，通常会循引用找到数据本体，因此 DOI 的版本尾缀、预印本链接与官网地址三者的准确性比措辞更重要。建议在论文数据可得性声明里把三条入口全部写齐，并注明所用轨道（图像轨或 k-space 轨），让读者能立刻判断能否复现。

官方 How To Cite 给的模板是：Melanie Ganz and Hannah Eichhorn (2023). Datasets with and without deliberate head movements … OpenNeuro. [Dataset] doi:10.18112/openneuro.ds004332.v1.1.1，并要求同时引用预印本 https://psyarxiv.com/vzh4g 。DOI 的版本尾缀随引用的快照变化（v1.3.0 就写 v1.3.0）。论文中描述数据规模时用「22 名（公开版）」，如需提及挑战赛设计规模写「25 名（设计）」，避免两数混用。

3.7 获取常见问题排查

申请 k-space 时最常见的几类卡点与处理方式。第一，邮件发送 DUA 后无回音：官方渠道是 RealNoiseMRI@nru.dk，挑战赛公告里还留了 Ganz 的个人邮箱作为后备，措辞里写明用途、机构与所需轮次（第一轮/第二轮分开）能显著加快审核。第二，发现 OpenNeuro 上找不到 k-space：这是设计如此而非缺失，回到请求制轨。第三，下载 BIDS 图像轨后校验报错：优先用官方 GitHub 镜像（OpenNeuroDatasets/ds004332）核对 git hash（如 v1.1.1 快照对应 c837d2c、v1.1.2 对应 f7c8f35），排除本地传输损坏。第四，需要挑战赛提交格式细节（NIfTI 命名、目录结构、tar.gz 打包）：Submission 页保留了完整要求，可直接参照，不需要凭记忆重建。

3.8 申请 k-space 的时间与成本预估

与「点开就下」的图像轨相比，k-space 轨的获取有一条不可压缩的人工流程：撰写申请说明用途与机构、签署 DUA（两轮各一份）、邮件发送、等待审核、接收加密传输。整套流程没有公开的服务等级承诺，历史公告口吻显示是团队人工处理，因此实际等待时间从数天到数周都有可能。规划实验时要把它当外部依赖排期：先做图像轨上的可行性验证，k-space 批复下来再切线级实验，两条线并行推进。另一个实操提醒：DUA 限内部研究与教育用途，若项目涉及企业合作方或多中心共享，应先与 NRU 确认条款边界再签，避免签了发现用不了。

3.9 合规自查三问

使用数据前用三个问题过一遍合规状态。一问：我用的轨道是哪个？图像轨（CC0）与 k-space 轨（DUA）条款不同，混用时逐轨道分别声明。二问：我的用途在条款内吗？DUA 限内部研究与教育，CC0 理论上无限制但商业场景仍建议留档说明。三问：我的引用齐了吗？快照 DOI、预印本、挑战赛官网三件套，另加 DUA 规定的其他引用项。三个问题都答得上来，就可以进入实验阶段；任何一问答不上来，先回 §3 补课再动手。

§4 质量与已知问题

4.1 「设计 25、公开 22」的口径差

挑战赛官网的方案书写的是 25 名健康志愿者，OpenNeuro 公开版参与者为 22 名。公开页未逐条解释差 3 人的原因（退出、质控剔除或发布范围截选均有可能）。使用时应以 OpenNeuro 各版本的 participant 计数为准，并把 25 表述为「挑战赛设计目标」；任何按 25 人计算统计功效的写法都会高估样本。

4.2 样本量的结构性限制

22 名健康受试者、每序列一对扫描，决定了它是评测床而非训练集：体量比 fastMRI 小两个数量级以上，不可能支撑从零训练重建网络；把它当训练集用的方案在立项阶段就应该否掉，而不是在数据到手之后。官方在设计时就明确要求参赛者用 fastMRI 等公开数据预训练，本数据只承担「真实退化下的鲁棒性考核」。同样的限制也意味着跨受试者统计的把握度有限，SSIM 的小幅差异未必稳健。

4.3 健康受试者与临床现实的差距

全部受试者为健康志愿者，运动是按预设剧本执行的，幅度与节律可预期；而临床上毁掉扫描的是患者的不自主、突发、病灶相关运动（如震颤、躁动、疼痛规避），形态更恶劣且不可预设。用本数据得出的鲁棒性结论外推到患者群体时须打折扣——预印本自己在评估运动校正序列效果时也是把它当「可控基准」而非「临床模拟器」。

4.4 序列覆盖的局限

协议只有轴位 T1-STIR 与 T2-TSE 两个 2D 序列，没有 3D 序列、扩散加权、灌注或增强扫描；体素是各向异性的（层厚 5 mm）。快速 MRI 研究里常见的 3D 采集、高加速倍率（PE≥4）场景在此无对应数据。运动退化只污染 PE 方向的 k-space 线，这一点与 2D 采集的物理一致，但也把可研究的运动类型限制在了面内。

4.5 假设—支持—反对

假设	支持证据	反对/限制证据
真实运动退化能暴露人工欠采样评测的盲区	官网设计论证：运动污染 k-space 与删线机制不同；成对真值可量化退化损失	退化仍是预设模式，与自发运动有差距（§4.3）
数据可用于评估前瞻运动校正与选择性重采	预印本标题即此目的；T2-TSE 两次平均的奇偶线设计支持线级比较	需 k-space 轨（请求制）；图像轨无法做线级实验
小样本上的 SSIM 排名可推广	两轮独立评测提供一定重复性	20 例测试集小，单例波动影响大；健康人预设运动外推受限

4.6 元数据完整性盘点

OpenNeuro 元数据页上，本数据集填了作者、模态（MRI）、研究类型（纵向，sessions=1 实为单访视）、DX 状态（健康/对照）、伦理批准与资助信息，BIDS 校验通过；但受试者年龄与性别两项留空，数据集层面的「论文 DOI」字段也只填了预印本链接。对使用者的实际影响：做人口学分层分析不可行；做去识别化合规评估时，只能依赖官方 defacing 声明与匿名化流程描述，没有逐例的质控报告。与采集参数的详细程度（官网逐项列到参考线条数）相比，受试者层面的元数据明显偏薄，这是「序列文档强、人群文档弱」的典型结构。

4.7 与同类运动伪影数据集的质量对比

带运动标注的公开 MRI 数据不少，但质量层次差别很大。多数合成伪影数据集只在清晰图像上叠加运动仿真，没有真实采集对应物；一些患者数据集有真实运动但没有真值；本数据集在「真实运动 + 静卧真值成对 + k-space 完整」三项上同时成立，这在新公开数据里仍属少数。代价是规模与人群覆盖：22 名健康人对比临床运动伪影研究的动辄数百例患者，样本维度完全不在一个量级。选型时的对应关系很清晰：要真实机理与严格对照选它，要临床分布与统计功效去找患者队列。

4.8 证据强度分级

按「几条独立证据线」给本数据集的关键陈述分级，方便引用时标注置信度：

陈述	强度	证据线
序列参数（TR/TE/TI、体素、GRAPPA 配置）	A	官网 Data_1 页逐项列出；OpenNeuro BIDS 元数据可交叉验证
公开版 22 名受试者、CC0、BIDS 校验通过	A	OpenNeuro v1.1.1 与 v1.1.2 两个版本元数据一致
两轮赛制、验证/测试例数、DUA 安排	A	官网 Description、Data_1、Submission 三页互证
预印本存在及其内容定位	B	PsyArXiv 链接与标题经 OpenNeuro 致谢栏与检索结果两处确认；正文未逐节核读
挑战赛设计规模 25 人	B	官网方案文字为单一来源；与公开 22 的差值原因未见解释
k-space 匿名化流程细节	B	官网 Data 页描述与 fastMRI 惯例一致，属官方陈述
受试者人口学、参赛队数、排行榜明细	D	无公开记录，不作断言

4.9 与其它来源联合使用时的风险点

把本数据与其它 MRI 数据混用的场景不少（比如拿本数据当验证集、别的数据当训练集），有四个风险点要在设计时显式处理。第一，序列差异：本数据 T1 是 STIR 变体而非经典 T1-SE/T1-MPRAGE，与多数脑 MRI 数据集的 T1 对不上强度分布，迁移模型要做域适配。第二，层厚差异：5 毫米层厚的 2D 采集与 1 毫米 3D 采集之间，重建网络的先验不可直接搬。第三，退化方向性：本数据运动退化只在相位编码方向起作用，与含三维运动分量的数据混训时要标注退化类型，否则模型学到的「鲁棒性」是混杂的。第四，许可异质性：CC0 图像与 DUA k-space、fastMRI 的自定义协议三者条款不同，联合发表的许可声明要逐数据集分别写，不能写一句「开放数据」了事。

4.10 排行榜的可复现性边界

挑战赛排行榜是历史事实，但复现它的门槛比一般挑战赛高，边界要提前认清。其一，测试集真值不公开，第三方永远无法本地重算官方成绩，只能信任主办方口径。其二，SSIM 实现细节未完整公开，不同实现之间的数值差无法排除。其三，参赛方法清单与代码没有集中归档——官方鼓励开源但未强制，能找到哪些就引用哪些，找不到的不作断言。因此引用排行榜成绩时的安全写法是「按主办方评测口径」并附挑战赛官网链接，而不是把自己的复现值与官方值并列比较。

§5 能做什么

5.1 任务清单

• 快速 MRI 重建鲁棒性评测：预训练模型（fastMRI 等）在本数据退化 k-space 上重建，与静卧真值算 SSIM。
• 前瞻性运动校正（markerless prospective motion correction）序列技术评估：比较开/关校正的重建质量，这是预印本的主任务。
• 选择性重采（selective reacquisition）策略评估：利用 T2-TSE 两次平均的奇偶线结构比较重采效果。
• 运动伪影形态学与图像质量评估研究：成对真值让退化前后差异可直接量化。
• 运动轨迹与伪影关联分析：验证/测试集附运动数据。

不适合做：从零训练重建模型（样本量不足）、患者群体伪影研究（无患者数据）、3D 或高加速场景评测（无对应序列）。

5.2 最小可执行示例

图像轨拿到手的第一小时（BIDS）：

（OpenNeuro 网页下载或 DataLad 拉取后）
datalad clone https://github.com/OpenNeuroDatasets/ds004332.git realnoisemri
ls realnoisemri/sub-*/ses-*/anat/   # T1w 与 T2w NIfTI，BIDS 标准命名

注意 BIDS 里静卧真值与运动退化采集的区分方式以数据集 README 与 events/scans 表为准——同序列的两个 run 是配对设计的核心，取错 run 会让「真值—退化」对照失效。k-space 轨获批后用 ISMRMRD 工具链（ismrmrd-python-tools）读取 HDF5，官方 Description 页给出了加载示例链接。

5.3 评测实现要点

SSIM 计算要与挑战赛口径对齐：按切片计算后取受试者平均，还是按体积平均，官网未给实现细节时，报告中应写明自己的口径。与真值图像配对前先核对两 run 的几何（配对采集是分开的两次扫描，存在刚性偏移的可能），必要时先做配准再算 SSIM，并注明配准步骤——否则退化损失里会混入几何偏移。

5.4 从 fastMRI 迁移的实践路线

官方预期的用法是一条明确的流水线：在 fastMRI 公开训练集（409 例轴位 T1、2524 例轴位 T2，3T）上预训练重建模型——该数据集的采集协议与本数据同为脑部轴位 T1/T2、同为 GRAPPA 加速，域差距主要在扫描仪与人群；然后用本数据的退化 k-space 微调或直接零样本评测，与静卧真值算 SSIM。工程上要注意三件事：一是 fastMRI 与本数据的 k-space 均为 HDF5，但字段命名与头文件细节要先对一遍；二是本数据 T2-TSE 的两次平均在 fastMRI 里没有对应物，读取时要保留 Acq 索引；三是本数据层厚 5 毫米与 fastMRI 常见的更薄层不同，2D 重建网络的 slice 间独立性假设两边一致，但归一化统计量要重估。

5.5 运动轨迹数据的用法

验证与测试集附带的运动数据（motion data）记录了退化采集期间受试者的运动情况，是这批数据里与图像同等重要、却最少被引用的部分。典型用法：把运动轨迹与逐线 k-space 相位误差对应起来，分析哪类运动模式造成哪类伪影；或者作为运动检测器的真值，评估无标记运动检测算法的灵敏度与特异度。轨迹数据的组织方式以发放物内的说明文件为准，公开页没有独立的数据字典——这是请求制轨的文档短板之一，申请时应向 NRU 索要字段说明。

5.6 延伸研究方向

在官方任务之外，这批数据还支持几类延伸研究。图像质量评估方向：成对真值让「运动退化多少 SSIM 损失」可以被逐例量化，可以做退化—损失的剂量反应曲线，这是合成伪影数据给不出的实证曲线。鲁棒训练方向：把退化-真值对当增强对，研究真实运动增强对重建模型泛化的增益。序列工程方向：T2-TSE 的奇偶线结构支持在线级比较两次平均，可以检验「部分平均已被污染时重采剩余线」的策略收益。这些方向共同的门槛都是 k-space 轨，只拿图像轨的话基本只剩 SSIM 对照一条路。

5.7 结果报告的必备信息

用这批数据出结果时，方法节至少要交代五件事，否则审稿环节几乎必然被退回补做。一是所用数据版本（OpenNeuro 快照号或 DUA 轮次），因为版本间文件清单可能不同。二是评测口径：SSIM 的实现细节（窗口、数据范围、逐片/逐体积聚合）与是否做了真值—重建配准。三是训练来源：模型在 fastMRI 上的预训练配置，还是零样本评测——这决定了结论与谁可比。四是退化/真值配对方式：同一受试者同序列的两个 run 如何配对，run 的选取依据（README 还是元数据表）。五是许可合规声明：用了请求制轨就引用 DUA 条款、用图像轨就标注 CC0 并按官方模板引 DOI 与预印本。这五项缺任何一项，结果的可复现性或合规性都会打折。

5.8 从退化 k-space 到 SSIM 的最小流程

图像轨做不了 k-space 重建评测，但可以把「拿到 k-space 之后该跑什么」提前写成流程骨架，等数据批复即执行：

1. 读 HDF5（ismrmrd-python-tools），核对采集参数与官网参数表
2. 分离静卧参考与运动退化采集，确认 run 配对
3. 基线重建：直接逆 GRAPPA/FFT 得到退化重建图（baseline）
4. 方法重建：跑自己的模型（fastMRI 预训练权重）
5. 几何核对：两 run 刚性偏移检查，必要时配准并记录
6. SSIM：按既定口径逐片计算 → 受试者平均 → 汇总表
7. 对照运动轨迹：伪影空间分布与轨迹时序对齐
8. 报告：版本号 + SSIM 口径 + 配准步骤 + 训练来源

这个骨架的价值在于第 5 与第 7 步——绝大多数复现失败的报告都漏了配准核对或轨迹对照，导致 SSIM 差异被误读为模型差异。

5.9 只用图像轨能做的最小研究

如果暂时拿不到 k-space，图像轨仍支持几类有产出的小研究。配对图像质量分析：以静卧真值为参照，量化运动退化在结构强度、边缘锐度、对比度上的损失分布，这是「运动到底损失了什么」的实证测量。伪影形态学分类：预设运动剧本使退化可分组，可以标注伪影类型（模糊、叠影、鬼影）建立小规模形态学数据集。去伪影后处理评测：把通用去伪影或超分方法跑在退化图像上，用真值量化增益——注意这测的是「事后修复」而非重建，与 k-space 方法的结论不可混用。这些研究的共同规范是真值参照与配对声明，缺了配对声明，任何「质量提升」的结论都站不住。

§6 常见误读与引用陷阱

6.1 误读对照表

常见说法	实际口径	证据位置
RealNoiseMRI 是 MRI 热噪声/Rician 去噪数据集	不是；Noise 指现实污染因素，核心退化是头部运动	挑战赛 Description 全文
数据集有 25 名受试者	25 是设计目标，OpenNeuro 公开 22 名	OpenNeuro 元数据 Participants=22
数据全部 CC0 可随便下	只有 BIDS 图像轨 CC0；k-space 轨需签 DUA 请求制	OpenNeuro 许可字段 + 官网 Data 页
可以像 fastMRI 一样从零训练重建网络	不行；官方设计即要求外部预训练，本数据只做评测	挑战赛 Description/Data_1 页
退化是人工仿真的运动伪影	退化来自受试者按预设模式真实移动，图像与 k-space 均被真实污染	官网 General Remarks
测试集有公开真值可本地自评	测试集真值由主办方保留，参赛者只能提交预测	挑战赛 Data 页
T2-TSE 的两次平均是冗余质控	奇偶线分属两次平均，是线级运动比较的刻意设计	Data_1 页参数说明

6.2 技术性陷阱

• accession 笔误：ds004332（不是 ds004322/ds004332 的其他变体），引用 DOI 注意版本号尾缀随快照变化。
• 两轮挑战赛数据不同（第一轮 5 例验证、第二轮 10 例验证），DUA 也分开发放，引用「验证集」时必须注明轮次。
• 预印本在 PsyArXiv（vzh4g），检索时不要与 bioRxiv/(arXiv) 混淆；正式期刊版本是否存在见页脚遗留疑点。
• BIDS 内同序列多 run，静卧/运动对照的 run 映射以 README 为准，勿按文件名顺序臆断。
• 版本引用不带快照号：不同快照文件清单可能有差异，引用必须锁到 v1.x.y 级别并记录下载日期。
• 把挑战赛第一轮与第二轮的成绩混在一张表里比较：两轮验证集规模不同、DUA 分开，跨轮排名没有可比性。

6.3 术语与措辞的误用清单

误读对照表之外的措辞级陷阱，写作与翻译时逐条自查。不要写「RealNoise MRI 去噪数据集」——噪音在这里不是信号处理对象。不要写「患者数据」——队列全是健康志愿者。不要写「加速扫描数据」——数据是 GRAPPA 2 倍的常规临床采集，不是激进加速协议。不要写「公开的 k-space」——k-space 是请求制的。不要写「25 名受试者的数据集」——公开版是 22 名，25 是设计数。不要写「深度学习去噪基准」——官方任务口径是重建鲁棒性评测。中文行文里「运动伪影数据集」可用，「噪声数据集」不可用；英文行文里 motion-corrupted / motion-degraded 可用，noise-corrupted 不可用。

§7 在生态中的位置

7.1 与 fastMRI 的互补

fastMRI（rid=23）提供了大规模欠采样重建的训练底座，RealNoiseMRI 提供真实退化下的考核末端，官方设计把两者串成「fastMRI 预训练 → 本数据鲁棒性评测」的流水线；匿名化与文件格式也刻意对齐以降低迁移摩擦。关注欠采样重建本身的条目见 fastmri，关注 k-space 原始数据组织的条目可参照其数据字典。

7.2 库内相邻条目

• fastmri（rid=23）：官方指定预训练数据源，任务形态同源。
• mrixfields（rid=920）：3T/7T 多场强脑 MRI，MRI 采集与质控视角相邻。
• big-mri（rid=932）：大规模脑 MRI 汇集，训练侧资源。
• duke-breast-mri（rid=440）：MRI 运动伪影与采集质量问题的另一器官域案例。

7.3 引用与检索建议

引用三件套：OpenNeuro 数据集 DOI（含版本号）、PsyArXiv 预印本、挑战赛官网。检索词建议用 RealNoiseMRI、ds004332、prospective motion correction brain MRI、Eichhorn Ganz motion correction；用「MRI denoising dataset」检索会漏掉它——这是它最常被检索策略错杀的原因。

7.4 在运动校正方法谱系中的坐标

前瞻性运动校正（扫描中用追踪设备实时校正）与选择性重采（检测到污染线后重采）是两条互不排斥的工程路线，本数据的命名标题里把两条都点了——它既是给重建方法（软件侧事后修复）的考题，也是给序列技术（硬件侧事前规避）的考题。NRU 团队自己的重心在无标记（markerless）前瞻校正，预印本评估的正是这类方法在常规协议里的表现；复现代码在 GitHub 的 MoCoProject 仓库。对方法学研究者来说，这个数据集处在「重建算法评测」与「序列技术评测」两条文献流的交汇处，引用时按自己所在流选择侧重点即可。

7.5 挑战赛生态中的位置

2021 年前后的医学影像挑战赛生态里，fastMRI 系（NeurIPS 2020）与各种分割挑战赛占据主流，鲁棒性/真实性维度的挑战赛稀少。RealNoiseMRI 的差异化正在于此：它不比规模、不比病种，比的是「评测环境是否真实」。Grand Challenge 平台上它与后续的运动相关挑战形成了连续的问题谱系，库内挑战赛类条目可参照 brainptm-2021 等的结构。检索挑战赛类数据时，它常被「denoising」「artifact」两类关键词漏检，用 motion correction 或 ds004332 直查最可靠。

7.6 在影像挑战赛方法学讨论中的位置

RealNoiseMRI 参与了 2021 年前后医学影像挑战赛方法学的社区讨论：第一轮配合 MICCAI 挑战兴趣小组的问卷倡议（即评估「赢家是否真的是最好」的元研究行动），要求参赛者提交方法问卷。对挑战赛组织者而言，它的可借鉴点不在规模而在设计哲学——用「退化机制的真实性」换「榜单竞争性」，把评测目标从「在仿真分布上刷分」改写成「在可控真实退化下测鲁棒性」。这个设计取舍后来被多篇挑战赛设计综述提及的角度引用，引用此类讨论时建议同时给出挑战赛官网与预印本两个锚点，避免二手转述失真。

7.7 谱系速查

需求	首选资源	理由
大规模欠采样重建训练	fastMRI（rid=23）	训练规模无替代
真实运动退化评测	本数据集（ds004332）	成对真值 + 真实运动
多场强脑 MRI 采集质量	mrixfields（rid=920）	3T/7T 对照
大规模脑 MRI 汇集	big-mri（rid=932）	训练侧体量
其他器官运动伪影案例	duke-breast-mri（rid=440）	跨域参照

这张表的用法是选型自查而不是推荐排序：四条库内条目与本数据集各占一个维度，引用前先确认自己的需求落在哪一格。

§8 总结

• 适合：需要真实运动退化配对真值做重建/运动校正鲁棒性评测的团队；需要运动轨迹元数据做伪影机理分析的研究；fastMRI 流水线的下游考核环节。
• 不适合：作为训练集；患者人群伪影研究；3D、高加速或扩散加权重建评测；任何希望「一键全量下载含 k-space」的用法。
• 三句话：它是 fastMRI 评测盲区的真实运动补丁；图像轨 CC0 在 OpenNeuro、k-space 轨请求制在 NRU；22 名健康受试者的小样本定位决定了它的正确用法是评测床而非训练场。

8.1 使用前的七个自问

1. 我的任务是评测还是训练？评测床用法成立，训练用法不成立。
2. 我需要 k-space 吗？需要则先排期 DUA 申请——审核周期不在自己掌控内，越早越好。
3. 我做的是线级实验吗？是则确认拿到的是第二轮发放物（含真值 k-space）且会用奇偶平均结构。
4. 我的退化假设是预设运动还是自发运动？引用本数据支持「可控退化」结论，不要外推到患者自发运动。
5. 我的 SSIM 口径写清楚了吗？没有统一口径时，跨论文比较 SSIM 数值要格外保守。
6. 我的引用三件套齐了吗？快照 DOI、预印本、挑战赛官网，缺一即不完整。
7. 我的数据探查记录留下了吗？快照号、下载日期、文件清单与校验结果应在实验记录里可追溯，版本漂移是复现争议最常见的源头。

§9 关键数字速查

数字	含义	口径
22	OpenNeuro 公开受试者数	Participants 字段
25	挑战赛设计志愿者数	官网 Description
2	序列数（T1-STIR、T2-TSE）/挑战轮数	官网 + OpenNeuro
5 / 10	第一/第二轮验证例数	官网 Data 页
20	每轮测试例数	官网 Data 页
2	GRAPPA 加速倍数（两序列同）	Data_1 页
CC0	图像轨许可	OpenNeuro
ds004332	OpenNeuro accession	OpenNeuro

§10 附录

10.1 缩写表

缩写	全称	含义
NRU	Neurobiology Research Unit	主办方，Rigshospitalet 神经生物学研究单元
STIR	Short-TI Inversion Recovery	短 TI 反转恢复序列
TSE	Turbo Spin Echo	快速自旋回波序列
PE	Phase Encoding	相位编码方向
GRAPPA	Generalized Autocalibrating Partially Parallel Acquisition	并行成像重建方法
SSIM	Structural Similarity Index	结构相似度指标
DUA	Data Use Agreement	数据使用协议
BIDS	Brain Imaging Data Structure	脑影像数据组织标准
ISMRMRD	International Society for Magnetic Resonance in Medicine Raw Data	磁共振原始数据交换标准
MoCo	Motion Correction	运动校正

10.2 DAIMS 评估

维度	评级	说明
可发现性 Findable	A	OpenNeuro accession + DOI + 挑战赛官网 + 预印本，多入口互链
可获取性 Accessible	B	图像轨直下（CC0）；k-space 轨请求制，需 DUA 且限用途
互操作性 Interoperable	A	BIDS 校验通过 + vendor-neutral HDF5（ISMRMRD）+ GitHub 复现脚本
可复用性 Reusable	B	CC0 + 引用条款清晰；但样本量小、序列窄、测试真值不公开
证据强度	B	序列参数与规模有官网、OpenNeuro 双独立证据线；受试者人口学、挑战赛参赛明细为单一来源或缺

10.3 未覆盖内容

• 挑战赛两轮的参赛队伍数、最终排行榜与冠军方法明细：官网未列公开排行榜页，未采信任何二手转述。
• 受试者年龄范围与性别构成：OpenNeuro 元数据未填。
• 每版本数据体积与文件级清单：未逐快照核对。
• 正式期刊版本：预印本之外是否发表见页脚。

10.4 检索模板

OpenNeuro：
openneuro.org/datasets/ds004332          # 浏览/下载图像轨
github.com/OpenNeuroDatasets/ds004332    # DataLad/Git 镜像
挑战赛：
realnoisemri.grand-challenge.org         # Description / Data_1 / Submission
论文：
psyarxiv.com/vzh4g                        # 预印本
github.com/melanieganz/MoCoProject        # 复现脚本

10.5 拿到数据后的复核清单

1. 确认快照版本号，记录 DOI 尾缀；
2. 跑一遍 BIDS 校验器确认树结构；
3. 数 subject 数，确认与所用版本元数据一致（应为 22）；
4. 对每个受试者核对同序列两 run 的几何信息（尺寸、方向、层厚）；
5. 确定静卧/运动 run 的映射依据并写进实验记录；
6. 如有 k-space：核对文件头里的采集参数与官网参数表逐项一致；
7. 如做 SSIM：写明实现与聚合口径；
8. 引用列表补齐三件套；
9. 记录数据获取日期与许可声明文本；
10. 留存本次所用版本的关键数字（22、序列参数）于实验记录，防止版本漂移。

10.6 与库内条目的互链说明

本数据集与库内四条 MRI 相关条目形成互补互链：fastmri（rid=23）是官方指定预训练数据源与任务范式的直接来源，两者适合在同一篇重建方法论文里成对引用；mrixfields（rid=920）提供 3T/7T 脑 MRI 的采集质量视角，与本数据集的 3T 单场强形成场强维度对照；big-mri（rid=932）是训练侧的大规模脑 MRI 汇集，与本数据集的评测床定位构成「训练—评测」互补；duke-breast-mri（rid=440）展示了另一个器官域里 MRI 运动伪影与质量控制的问题形态，可作跨域参照。互链 URL 采用站点标准格式，见 frontmatter relatedLink。

10.7 名称考据与检索词清单

「RealNoiseMRI」这个名字是理解条目的一把钥匙：团队刻意用 Noise 的宽义（现实世界中污染扫描的各种不理想因素）而不是狭义（统计噪声），并配上 MRI 领域家喻户晓的 fastMRI 隐喻——「fastMRI 测你能重建多快的图，RealNoiseMRI 测你重建的图在真实退化下还行不行」。这一命名策略在检索上有直接后果：用 denoise/noise reduction 一类关键词检索会命中大量热噪声去噪文献而漏掉本数据集；有效检索词组合包括 RealNoiseMRI（连写）、ds004332、RealNoiseMRI challenge、Eichhorn Ganz prospective motion correction、deliberate head movements MRI dataset、MICCAI 2021 motion challenge。给数据库或知识图谱做实体消歧时，accession ds004332 是最稳的主键，官网域名 realnoisemri.grand-challenge.org 次之。

10.8 版本链速记

OpenNeuro 快照沿革：v1.0.0（2022-11-09 首发，与预印本同日）→ v1.0.1（2022-11-09）→ v1.0.2（2022-11-30）→ v1.0.3（2023-06-07）→ v1.0.4（2023-06-08）→ v1.1.0（2023-06-15）→ v1.1.1（2023-08-24）→ v1.1.2（2023-10-25）→ v1.1.3（2024-10-28）→ v1.2.0 与 v1.3.0（均 2024-12-05）。成稿核验基于 v1.1.1 与 v1.1.2 元数据页；引用较新的 v1.3.0 时，受试者数等元数据项建议再对照一次该快照页面。

编辑说明

• 核验时间：2026-10-18；核验方式：三轮独立来源互证——挑战赛官网（Description/Data_1/Submission/Public Release 页）、OpenNeuro ds004332 元数据页（v1.1.1 与 v1.1.2）、Google/Web 检索交叉核对（PsyArXiv vzh4g 预印本、GitHub MoCoProject、NRU 团队主页）。
• 双口径冲突存照：① 受试者数——官网「设计 25 名志愿者」vs OpenNeuro「公开 22 名」，正文以 22 为公开规模、25 为设计目标；② 数据轨道——挑战赛口径「k-space HDF5 + BIDS 图像双轨」vs OpenNeuro 实际只有图像轨，正文按两轨分别写明获取方式；③ 派发任务头称「MRI 去噪类数据集」——实核为运动退化重建鲁棒性基准，全文按实核口径成稿。
• 遗留疑点：① PsyArXiv 预印本是否有正式期刊发表版本，未查到，待复核；② 受试者人口学信息未披露；③ 两轮挑战赛参赛队数与最终成绩无公开明细。
• 版本日志：v1（2026-10-18，agent-f-rnoise 初稿，v4 体例）。
• 下次复核建议：2027-04 前复查 OpenNeuro 是否发布新快照（当前最新 v1.3.0，2024-12-05）及预印本发表状态。

---

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：

• ulf-enc — 共享标签：医学影像 / MRI / 挑战赛数据集 / 脑影像 / 评测基准
• mrixfields — 共享标签：医学影像 / MRI / 挑战赛数据集 / 脑影像 / 评测基准
• isles-2026 — 共享标签：医学影像 / MRI / 挑战赛数据集 / 脑影像 / 评测基准
• ixi-brain — 共享标签：医学影像 / MRI / 脑影像
• mamasynth — 共享标签：医学影像 / MRI / 挑战赛数据集 / 评测基准
• bfa — 共享标签：医学影像 / MRI / 脑影像 / 评测基准
• aims-tbi — 共享标签：医学影像 / MRI / 挑战赛数据集 / 脑影像
• mitoem — 共享标签：医学影像 / 挑战赛数据集 / 脑影像 / 评测基准
• mr-art — 共享标签：医学影像 / MRI / 脑影像 / 评测基准
• tus-rec — 共享标签：医学影像 / 挑战赛数据集 / 评测基准

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。