洛锡安出生队列1936死后脑分析:将终生认知和脑表型扩展至突触水平数据集
该数据集来自 datashare.ed.ac.uk,对应 Henstridge 等 2015 年发表于 Acta Neuropath Comms 的死后脑分析研究,属于神经系统疾病/阿尔茨海默病分类

基本信息
资源简介
洛锡安出生队列1936死后脑分析:将终生认知和脑表型扩展至突触水平数据集
该数据集来自 datashare.ed.ac.uk,对应 Henstridge 等 2015 年发表于 Acta Neuropath Comms 的死后脑分析研究,属于神经系统疾病/阿尔茨海默病分类。数据围绕 Lothian Birth Cohort 1936(LBC1936)展开,该队列包含童年认知测试分数、老年期纵向认知数据、详细的结构性脑 MRI、全基因组基因分型以及大量其他生物学、心理社会和流行病学数据。突触完整性是人脑认知健康的重要指标,该数据集将终生认知与脑表型扩展至突触水平,可用于研究个体间年龄相关认知衰退差异及阿尔茨海默病等病理性衰老(来源 datashare.ed.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):非病理性、与年龄相关的认知衰退在个体之间差异显著,并给个人、家庭和整个社会带来沉重的经济与情感负担。理解脑功能随年龄出现的差异性衰退,不仅对于开发将认知健康延长至老年的疗法至关重要,也有助于深入认识阿尔茨海默病等病理性衰老。Lothian Birth Cohort of 1936(LBC1936)包含一组罕见人群,他们拥有童年认知测试分数和老年期的纵向认知数据、详细的结构性脑 MRI、全基因组基因分型,以及大量其他生物学、心理社会和流行病学数据。突触完整性是人脑认知健康的有力指标;然而直到最近,进行详细的……
【主题与分类】
主题标签:synapses、array tomography、cognition、ageing、dementia。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://datashare.ed.ac.uk/handle/10283/2016
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://datashare.ed.ac.uk/handle/10283/2016
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:
数据说明
非病理性的、与年龄相关的认知衰退在个体间差异显著,并给个人、家庭及整个社会带来沉重的经济与情感负担。理解脑功能随年龄增长而出现的差异性衰退,不仅对于开发延长认知健康至老年的治疗手段至关重要,也有助于深入认识阿尔茨海默病等病理性衰老。洛锡安出生队列1936(Lothian Birth Cohort of 1936,LBC1936)由一组罕见的人群组成,研究者拥有其童年期认知测试成绩、老年期纵向认知数据、详细的结构性脑MRI、全基因组基因分型以及大量其他生物学、心理社会和流行病学数据。突触完整性是反映人脑认知健康的重要指标;然而,直到最近,对人类组织切片中的突触和轴突结构进行详细分析仍极为困难。
我们采用了一种在尸检时进行组织制备的新方法,使得能够以前所未有的形态学和分子细节水平,利用阵列断层扫描和电子显微镜的高分辨率成像技术,研究来自LBC1936队列的人类突触。这使我们能够在亚微米分辨率下分析大脑,以评估突触的密度、蛋白质组成和健康状况。在此,我们展示了首个捐赠的LBC1936大脑的数据,并将我们的发现与阿尔茨海默病组织进行比较,以突出健康与病理性脑衰老之间的差异。我们的数据表明,与阿尔茨海默病患者相比,认知正常的LBC1936参与者在突触结构上保持了显著程度的完整性。然而,在与认知相关的大脑区域(前额叶皮层、前扣带皮层和颞上回)中观察到了变性的形态学和分子标志物。我们新颖的尸检后方案有助于高分辨率的神经病理学
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




