情绪智力核心成分识别：静息态低频涨落振幅证据数据集
该数据集来自 Dryad，对应一项关于情绪智力（EI）神经基础的研究，发表于 2015 年。研究使用静息态 fMRI，在大量年轻健康成人样本中考察低频涨落振幅（ALFF）与情绪智力的关联，发现 EI 与两个网络的关键节点 ALFF 显著相关：社会情绪加工网络（梭状回、右侧眶额上回、左侧额下回和左侧顶
基本信息
资源简介
情绪智力核心成分识别：静息态低频涨落振幅证据数据集
Data from: Identifying the core components of emotional intelligence: evidence from amplitude of low-frequency fluctuations during resting state
该数据集来自 Dryad，对应一项关于情绪智力（EI）神经基础的研究，发表于 2015 年。研究使用静息态 fMRI，在大量年轻健康成人样本中考察低频涨落振幅（ALFF）与情绪智力的关联，发现 EI 与两个网络的关键节点 ALFF 显著相关：社会情绪加工网络（梭状回、右侧眶额上回、左侧额下回和左侧顶下小叶）以及认知控制网络（双侧 pre-SMA、小脑和右侧楔前叶）。数据可用于探索静息态自发脑活动与情绪智力的关系，支持社会神经科学和神经影像方向的回归分析（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2015。
【数据内容】
源站描述（机器翻译，仅供参考）：情绪智力（EI）是一个多层面的构念，由我们感知、监控、调节和运用情绪的能力组成。尽管人们对 EI 的神经基础给予了大量关注，但对其在静息态下相关的自发脑活动却知之甚少。我们使用静息态 fMRI，在一个大型年轻健康成人样本中研究低频涨落振幅（ALFF）与 EI 之间的关联。我们发现，EI 与两个网络关键节点的 ALFF 显著相关：社会情绪加工网络（梭状回、右侧眶额上回、左侧额下回和左侧顶下小叶）和认知控制网络（双侧 pre-SMA、小脑和右侧楔前叶）。这些发现表明，EI 的神经相关物涉及两个关键网络中的若干脑区。
【主题与分类】
主题标签：social neuroscience、emotional intelligence。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.1dm02
使用许可：Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.1dm02
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:
数据集大小约 6.32 GB。
数据说明
情绪智力（EI）是一个多层面的构念，包括我们感知、监控、调节和运用情绪的能力。尽管人们对EI的神经基础给予了大量关注，但对于静息状态下与EI相关的自发脑活动知之甚少。我们利用静息态fMRI，在大量年轻健康成年人样本中探究了低频涨落振幅（ALFFs）与EI之间的关联。我们发现，EI与两个网络关键节点的ALFFs显著相关：社会情绪加工网络（梭状回、右侧眶额上回、左侧额下回和左侧顶下小叶）以及认知控制网络（双侧前辅助运动区、小脑和右侧楔前叶）。这些发现表明，EI的神经相关物涉及两个关键网络中的若干脑区，反映了EI的核心成分：情绪感知与情绪控制。
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。
