AI生成的海马形状变形与健康老年人认知关系分析——数据与代码

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/8939

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

磁共振成像（MRI）衍生的海马测量与不同的认知领域相关。已开发出不同的海马形态形状分析方法，但鉴于新的基于深度学习的最先进建模方法，尚不清楚它们的原理如何相关，以及已发表的结果在正常老年人中与认知的关系有多一致。我们比较了使用手动生成的二值掩模和基于拉普拉斯变形的形状分析方法分析海马形态的结果，与使用基于PointNet架构的深度学习方法分析SynthSeg生成的海马二值掩模的结果，在涉及不同认知领域时，使用了洛锡安出生队列1936的数据。在此，我们提供了用于分析两种形状变形建模方法生成的变形的MATLAB代码，并验证和比较了结果。我们还提供了每个海马网格点的变形向量文件、分析中使用的平均模板网格，以及所有统计分析结果。

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。