自然范式下协同而各异的大脑网络：功能MRI结果的Meta分析
采用无偏、数据驱动的Meta分析方法，通过k-means聚类识别自然范式功能神经影像文献中参与的核心大脑网络，揭示出六种反复出现的脑激活模式，分别代表感觉、领域特异性和注意相关的神经网络，这些网络支持自然范式的认知需求
基本信息
资源简介
自然范式下协同而各异的大脑网络：功能MRI结果的Meta分析
该数据集围绕自然范式功能磁共振成像研究展开，采用无偏、数据驱动的元分析方法，通过k-means聚类识别自然范式功能神经影像文献中参与的核心大脑网络。分析揭示出六种反复出现的脑激活模式，分别代表感觉、领域特异性和注意相关的神经网络，这些网络共同支持自然范式的认知需求。数据集英文名称为“Cooperating Yet Distinct Brain Networks Engaged During Naturalistic Paradigms: A Meta-analysis of Functional MRI Results”，在站内归入神经系统疾病 / 其他类别，来源站为neurovault.org。整体而言，该数据集为理解自然情境下大脑功能网络的协同与分化提供了元分析层面的汇总结果。
【数据集背景】
自然范式功能神经影像研究旨在更接近真实情境地考察大脑活动，但不同研究在实验设计、刺激材料和任务要求上差异较大，单一研究难以给出稳定、可推广的结论。该数据集所依托的工作采用无偏、数据驱动的元分析方法，对自然范式功能神经影像文献进行汇总，并通过k-means聚类识别跨研究反复出现的核心大脑网络。这一思路有助于从分散的研究结果中提取共性模式，揭示自然范式下支持认知需求的关键神经网络。
【数据内容】
该数据集的核心内容是自然范式功能神经影像文献中参与的核心大脑网络。通过k-means聚类，分析识别出六种反复出现的脑激活模式，这些模式分别代表感觉、领域特异性和注意相关的神经网络。上述网络并非彼此孤立，而是呈现出协同又分化的特征，共同支持自然范式的认知需求。数据集英文名称明确指向“合作却不同”的脑网络这一主题，强调在自然范式下多个网络既共同参与又具有功能区分。
【采集与来源】
该数据集来源站为neurovault.org。其源站描述指出，研究采用无偏、数据驱动的元分析方法，并使用k-means聚类来识别自然范式功能神经影像文献中参与的核心大脑网络，最终揭示六种反复出现的脑激活模式。除上述来源与描述外，关于具体采集设备、扫描参数、被试数量、纳入文献数量等信息，源站未提供。
【适用场景】
该数据集适用于关注自然范式下大脑功能网络组织的研究场景，尤其是需要了解感觉、领域特异性和注意相关神经网络如何共同支持认知需求的分析。其元分析结果可用于与自然范式功能磁共振研究相关的网络层面讨论，也可作为进一步探索脑网络协同与分化模式的参考。由于数据集聚焦于自然范式文献的元分析结果，其适用场景与自然情境下的功能神经影像研究密切相关。
【使用方法】
该数据集以元分析结果的形式呈现，核心使用方式围绕六种反复出现的脑激活模式展开。使用者可依据这些模式所代表的感觉、领域特异性和注意相关神经网络，对自然范式下的脑活动进行网络层面的归纳与解释。关于具体文件格式、数据组织方式、可视化工具或分析流程，源站未提供。
【质量与限制】
该数据集采用无偏、数据驱动的元分析方法，并通过k-means聚类识别核心脑网络，这有助于降低主观选择带来的偏差。其结果显示六种反复出现的脑激活模式，具有跨研究的重复性。但关于纳入文献的具体标准、样本特征、统计阈值、聚类参数以及结果稳定性等质量相关信息，源站未提供。因此，在使用时应注意其结论建立在元分析层面，具体研究中的个体差异和实验条件差异仍需结合原始研究加以判断。
【引用与许可】
该数据集来源站为neurovault.org。关于引用格式、作者信息、许可条款或使用限制，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://neurovault.org/collections/3179
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
采用无偏、数据驱动的元分析方法，通过k均值聚类识别自然主义功能神经影像文献中涉及的核心脑网络，揭示了六种反复出现的脑激活模式，分别代表支持自然主义范式认知需求的感觉、领域特异性和注意神经网络。
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。
