健康对照稳态缺氧靶向BOLD MRI参考与规范模型图谱
该数据集提供健康对照在控制性等碳酸缺氧条件下的稳态缺氧靶向BOLD MRI参考图谱与规范模型图谱,源自20名健康对照,以MNI空间1.5 mm各向同性分辨率提供,响应以%BOLD/mmHg表示

基本信息
资源简介
健康对照稳态缺氧靶向BOLD MRI参考与规范模型图谱
Healthy-control steady-state hypoxia-powered BOLD MRI reference and normative model maps
该数据集提供健康对照在控制性等碳酸缺氧条件下的稳态缺氧靶向BOLD MRI参考图谱与规范模型图谱,源自20名健康对照,以MNI空间1.5 mm各向同性分辨率提供,响应以%BOLD/mmHg表示。包含均值与下限化标准差图、beta0与beta1图、下限化残差标准差图、有效性掩膜、n-valid图、元数据、质量控制摘要与README,可用于胶质母细胞瘤缺氧BOLD反应的空间比较与规范建模参考(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含组水平健康对照稳态缺氧靶向BOLD参考与规范模型图谱,用于手稿“Voxel-wise temporal decomposition of hypoxia-targeted BOLD MRI reveals distinct timing and steady-state response signatures in glioblastoma”。图谱源自20名健康对照在控制性等碳酸缺氧期间采集的数据,以MNI空间1.5 mm各向同性分辨率提供。稳态缺氧-BOLD响应以%BOLD/mmHg报告。数据包包括用于常规基于图谱比较的均值与下限化标准差图、用于G-adjusted规范建模的beta0与beta1图及下限化残差标准差图、最终有效性掩膜、n-valid图、元数据、质量控制摘要与README。不包含个体受试者影像数据、患者影像数据、临床元数据或可识别信息。
【主题与分类】
主题标签:Neuroscience、Neuroimaging。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/2k4xh888b4/3
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/10.17632/2k4xh888b4.3
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 7.9 MB。
数据说明
该数据集包含群体水平的健康对照稳态缺氧靶向BOLD参考图和规范模型图,用于手稿《缺氧靶向BOLD MRI的体素级时间分解揭示胶质母细胞瘤中不同的时序与稳态响应特征》。这些图源自20名健康对照在受控等碳酸缺氧条件下采集的数据,以1.5 mm各向同性分辨率的MNI空间提供。稳态缺氧-BOLD响应以%BOLD/mmHg报告。该数据包包括用于传统基于图谱比较的均值图和下限化标准差图、用于G校正规范建模的beta0和beta1图及下限化残差标准差图、最终有效性掩膜、n-valid图、元数据、质量控制摘要和README。不包含任何个体受试者影像数据、患者影像数据、临床元数据或可识别信息。该数据集旨在支持透明度、方法学复用和探索性比较,不应被解释为适用于所有年龄的临床规范标准。
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。




