自动白质高信号分割：T1w 脑图谱及配套软件
白质高信号（WMH）是脑小血管病在脑 MRI 中可见的核心特征性表现之一。在此我们提供一套 T1w 脑 MRI 图谱和软件，用于按照先前建立的 WMH bullseye 分割方案[1]（该方案有效涵盖所有 WMH 视觉评定量表）将给定的 WMH 分割结果划分为 36 个解剖感兴趣区（ROI）
基本信息
资源简介
自动白质高信号分割：T1w 脑图谱及配套软件
白质高信号（WMH）是脑小血管病在脑 MRI 中可见的核心特征性表现之一。本数据集提供一套 T1w 脑 MRI 图谱及配套软件，用于按照先前建立的 WMH bullseye 分割方案，将给定的 WMH 分割结果划分为 36 个解剖感兴趣区（ROI）。该方案被认为能够有效涵盖所有 WMH 视觉评定量表。数据集英文名称为 Automatic White Matter Hyperintensity Parcellation: T1w Brain Atlas and Corresponding Software，来源站为 datashare.ed.ac.uk，主题标签包括 magnetic resonance imaging、brain、white matter hyperintensities，本站分类归入神经系统疾病 / 其他。
【数据集背景】
白质高信号（WMH）是脑小血管病在脑 MRI 中可见的核心特征性表现之一。针对 WMH 的评估，视觉评定量表在临床与研究中被广泛使用，而将 WMH 分割结果映射到具体的解剖区域，有助于更精细地刻画病灶的空间分布。本数据集所依据的 bullseye 分割方案，正是为这一目的而建立，并被描述为能够有效涵盖所有 WMH 视觉评定量表。该方案通过将白质划分为由脑室向皮层延伸的同心层，并结合脑叶与深部结构的划分，形成一套标准化的解剖分区框架，从而支持对 WMH 负担进行区域化的定量分析。
【数据内容】
本数据集的核心内容包括两部分：一套 T1w 脑 MRI 图谱模板，以及相应的软件。图谱模板用于通过配准获得脑叶分割；软件则用于构建同心层。具体而言，该技术首先将白质划分为 4 个等距同心层，这些层从脑室延伸至皮层。其次，对左右两侧大脑半球的额叶、顶叶、颞叶和枕叶进行勾画，同时将基底节、丘脑以及脑叶间区域合并，称为 BGIT 区域。最终，给定的 WMH 分割结果可被划分为 36 个解剖感兴趣区（ROI）。源站描述在软件构建同心层所依据的输入部分存在截断，未完整给出该处细节。
【采集与来源】
本数据集的来源站为 datashare.ed.ac.uk。数据集英文名称为 Automatic White Matter Hyperintensity Parcellation: T1w Brain Atlas and Corresponding Software。其主题标签包括 magnetic resonance imaging、brain、white matter hyperintensities。本站将其分类为神经系统疾病 / 其他。关于具体的扫描设备、采集参数、受试者数量与人群构成等信息，源站未提供。
【适用场景】
本数据集适用于需要将 WMH 分割结果映射到标准化解剖区域的场景。具体而言，可用于按照 bullseye 分割方案将给定的 WMH 分割结果划分为 36 个解剖 ROI，从而支持对白质高信号在脑室周围至皮层方向上的同心层分布，以及额叶、顶叶、颞叶、枕叶和 BGIT 区域中的分布进行区域化分析。由于该方案被描述为有效涵盖所有 WMH 视觉评定量表，因此也可用于与视觉评定量表相关的区域化对照研究。关于具体的临床诊断、预后预测等应用，源站未提供。
【使用方法】
使用本数据集时，首先借助所提供的 T1w 脑 MRI 图谱模板，通过配准获得脑叶分割。随后，使用配套软件，依据相应输入构建从脑室延伸至皮层的 4 个等距同心层。在此基础上，结合左右半球额叶、顶叶、颞叶、枕叶的勾画，以及合并的基底节、丘脑和脑叶间区域（BGIT 区域），将给定的 WMH 分割结果划分为 36 个解剖感兴趣区（ROI）。关于软件的具体运行环境、输入输出格式、参数设置与操作步骤，源站未提供。
【质量与限制】
该方案被描述为能够有效涵盖所有 WMH 视觉评定量表，并采用等距同心层与脑叶、BGIT 区域相结合的分区方式，形成 36 个解剖 ROI 的标准化划分。关于该数据集与软件的具体验证结果、准确性指标、可重复性、适用范围限制以及潜在偏差，源站未提供。源站描述中关于软件构建同心层所依据输入的部分存在截断，相关细节不完整。
【引用与许可】
源站描述中提及了先前建立的 bullseye 分割方案，并以 [1] 作为引用标记，但未给出该引用的完整文献信息。关于本数据集自身的许可协议、使用条款与引用要求，源站未提供。
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://datashare.ed.ac.uk/handle/10283/9179
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
白质高信号(WMH)是脑小血管病的核心病理相关表现之一，可在脑MRI中观察到。在此，我们提供了一套T1w脑MRI图谱及软件，用于按照先前建立的WMH靶心分割法[1]（该方法有效涵盖了所有WMH视觉评定量表）将给定的WMH分割结果划分为36个解剖感兴趣区(ROI)。该技术首先将白质分为从脑室延伸至皮层的4个等距同心层。其次，分别勾勒大脑左右半球的额叶、顶叶、颞叶和枕叶，同时将基底节、丘脑及叶间区域合并（称为BGIT区域）。我们提供了一套脑图谱模板，可通过配准获得脑叶分割，并附有软件，可利用SynthSeg[2]工具的输出构建同心层。该工具可实现快速且稳健的基于配准的分割。
我们在此不提供WMH分割工具，而是我们的分割工具可与任何WMH分割算法结合使用，或将任何其他ROI分割成相同的解剖学感兴趣区域。关于我们流程的最新版本，请参见https://github.com/BenjaminPhi5/auto-wmh-bullseye-parc。我们的软件流程仅针对Linux操作系统命令行使用进行了设计和测试，但理论上在任何能成功安装FreeSurfer的平台上都应能运行（FreeSurfer的基本要求可在此处查看：https://surfer.nmr.mgh.harvard.edu/fswiki/SystemRequirements）。
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。
