结构连接矩阵
63名胶质瘤患者的脑结构连接矩阵，基于扩散MRI数据生成，用于脑网络与术后预测研究。
基本信息
资源简介
结构连接矩阵
【一句话概览】
本数据集为63名胶质瘤患者的结构连接矩阵，使用SLANT分割得到的ROI，并以SIFT2加权。从胶质瘤患者扩散加权MRI数据生成这些矩阵的代码可在GitHub获取。文件数126，合计大小13.3 MB。标签为结构连接、胶质瘤患者，分类为计算神经科学（含数学神经科学与理论神经科学），许可为CC BY 4.0（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
本数据集源站标题为《Structural connectivity matrices》。项目资助方：ZonMW - Gepersonaliseerd zorgpad voor patiënten met hersentumor - 10070012010006。源站首次发布：2024-12-11。
【数据内容】
源站原始描述：Structural connectivity matrices of 63 glioma patients, using ROIs derived from SLANT segmentation ( and weighted using SIFT2 ( Code for generating these matrices from diffusion-weighted MRI data of glioma patients can be found on Github (
【数据结构与技术规格】
文件数 126 个，合计 13.35 MB。1_structural_matrix_post.npy：undefined，105.93 KB。1_structural_matrix_pre.npy：application/octet-stream，105.93 KB。2_structural_matrix_post.npy：undefined，105.93 KB。数据集 DOI：10.6084/m9.figshare.28000559.v1。
【主题与分类】
源站学科分类：Computational neuroscience (incl. mathematical neuroscience and theoretical neuroscience)。主题标签：Structural connectivity、Glioma patients。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Structural_connectivity_matrices/28000559
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Smolders, Lars (2024). Structural connectivity matrices. figshare. Dataset
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（Figshare）
- 源站标题：Structural connectivity matrices
- DOI：10.6084/m9.figshare.28000559.v1
- 发布日期：2024-12-11
- 文件数：126 个
- 文件总体积：13.35 MB
- 源站页面：https://figshare.com/articles/dataset/Structural_connectivity_matrices/28000559
命令行下载
curl -L -o "1_structural_matrix_post.npy" "https://ndownloader.figshare.com/files/51084134"
curl -L -o "1_structural_matrix_pre.npy" "https://ndownloader.figshare.com/files/51084137"
curl -L -o "2_structural_matrix_post.npy" "https://ndownloader.figshare.com/files/51084149"
curl -L -o "2_structural_matrix_pre.npy" "https://ndownloader.figshare.com/files/51084140"
curl -L -o "3_structural_matrix_post.npy" "https://ndownloader.figshare.com/files/51084143"
curl -L -o "3_structural_matrix_pre.npy" "https://ndownloader.figshare.com/files/51084146"
curl -L -o "4_structural_matrix_post.npy" "https://ndownloader.figshare.com/files/51084152"
curl -L -o "4_structural_matrix_pre.npy" "https://ndownloader.figshare.com/files/51084158"
文件清单
1_structural_matrix_post.npy（105.93 KB）1_structural_matrix_pre.npy（105.93 KB）2_structural_matrix_post.npy（105.93 KB）2_structural_matrix_pre.npy（105.93 KB）3_structural_matrix_post.npy（105.93 KB）3_structural_matrix_pre.npy（105.93 KB）4_structural_matrix_post.npy（105.93 KB）4_structural_matrix_pre.npy（105.93 KB）5_structural_matrix_post.npy（105.93 KB）5_structural_matrix_pre.npy（105.93 KB）6_structural_matrix_post.npy（105.93 KB）6_structural_matrix_pre.npy（105.93 KB）7_structural_matrix_post.npy（105.93 KB）7_structural_matrix_pre.npy（105.93 KB）8_structural_matrix_post.npy（105.93 KB）8_structural_matrix_pre.npy（105.93 KB）9_structural_matrix_post.npy（105.93 KB）9_structural_matrix_pre.npy（105.93 KB）10_structural_matrix_post.npy（105.93 KB）10_structural_matrix_pre.npy（105.93 KB）
文件总体积 13.35 MB（源站 API 实测）。
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。
数据说明
Structural connectivity matrices of 63 glioma patients, using ROIs derived from SLANT segmentation (https://github.com/MASILab/SLANTbrainSeg) and weighted using SIFT2 (https://github.com/MRtrix3/mrtrix3).
Code for generating these matrices from diffusion-weighted MRI data of glioma patients can be found on Github (https://github.com/larssmolders/predicting-postop-impairment)
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.28000559.v1（source: https://figshare.com/articles/dataset/Structural_connectivity_matrices/28000559）。
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。
