MNI空间血管区域模板与图谱
该数据集为MNI空间下的高分辨率脑模板与血管区域图谱，基于16名受试者（平均年龄69.6岁，标准差8.2，37.5%为女性）的高分辨率MRI数据构建，受试者包括12名无卒中、非痴呆的散发性脑淀粉样血管病（CAA）患者及4名年龄相仿的健康对照
基本信息
资源简介
MNI空间血管区域模板与图谱
Vascular Territory template and atlases in MNI space
该数据集为MNI空间下的高分辨率脑模板与血管区域图谱，基于16名受试者（平均年龄69.6岁，标准差8.2，37.5%为女性）的高分辨率MRI数据构建，受试者包括12名无卒中、非痴呆的散发性脑淀粉样血管病（CAA）患者及4名年龄相仿的健康对照。影像采用Siemens Magnetom Prisma 3T扫描仪采集，包含多回波T1加权、3D-FLAIR和T2加权序列。数据可用于脑部血管区域划分、模板构建及相关影像分析研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2019。
【数据内容】
源站描述（机器翻译，仅供参考）：数据 招募了十六名受试者（平均年龄（标准差）：69.6（8.2）；37.5%为女性）以生成高分辨率模板。该队列由十二名无卒中、非痴呆的散发性脑淀粉样血管病（CAA）患者以及年龄相仿的健康对照（n=4）组成。每位参与者均接受了高分辨率MRI扫描，使用Siemens Magnetom Prisma 3T扫描仪（配备32通道头线圈），作为另一项独立研究的一部分。标准化协议包括多回波T1加权（体素大小：1x1x1 mm³；重复时间[TR]：2510 ms）、3D-FLAIR（体素大小：0.9x0.9x0.9 mm³；TR：5000 ms；TE：356 ms）和T2加权涡轮自旋回波（体素大小：0.5x0.5x2.0 mm³；TR：7500 ms；TE：84 ms）序列。对扫描图像进行人工评估，以确保不存在明显病理，如出血或静息性脑梗死。模板与区域图创建 我们采用了Advanced No
【主题与分类】
主题标签：Brain、template、vascular territories、anterior、posterior、middle、cerebral artery、ACA、PCA、MCA。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://zenodo.org/record/3379848
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.3379848
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 94.2 MB。
数据说明
数据 共招募16名受试者（平均年龄（标准差）：69.6（8.2）岁；女性占37.5%）用于生成高分辨率模板。该队列包括12名无卒中、非痴呆的散发性脑淀粉样血管病（CAA）患者，以及年龄相仿的健康对照者（n=4）。作为另一项研究的一部分，每位参与者均使用Siemens Magnetom Prisma 3T扫描仪（32通道头部线圈）接受高分辨率MRI检查。标准化方案包括多回波T1加权序列（体素大小：1×1×1 mm³；重复时间[TR]：2510 ms）、3D-FLAIR序列（体素大小：0.9×0.9×0.9 mm³；TR：5000 ms；TE：356 ms）以及T2加权快速自旋回波序列（体素大小：0.5×0.5×2.0 mm³；TR：7500 ms；TE：84 ms）。对扫描图像进行人工评估，以确保不存在明显病变，如出血或静息性脑梗死。模板与供血区图谱的创建 我们采用Advanced Normalization Tools（ANTs）进行图像处理（Avants et al., 2010, 2011），基于T1、T2和3D-FLAIR序列的多模态信息创建脑模板。
模板创建完成后，我们使用FSL（高斯平滑，sigma = 1）对生成的模板进行平滑处理，并再次使用ANTs（Avants等，2011）将所得模板配准至MNI空间。血管供血区在T1加权图谱图像的右半球上勾画，包含幕上经解剖学验证的ACA、MCA和PCA供血区。随后将右半球图谱镜像至左半球，生成全脑血管供血区图谱，并进行了人工评估和必要校正。更多详情请参阅使用该模板的原始文献。如您使用此模板，请同时引用Schirmer, Markus D., et al. “Spatial signature of white matter hyperintensities in stroke patients.” Frontiers in neurology 10 (2019): 208. https://doi.org/10.3389/fneur.2019.00208 文件 FLAIR模板：caa_flair_in_mni_template_smooth.nii.gz FLAIR模板
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
