快速定量药效成像新方法的数据：理论、模拟测试与原理验证

数据集获取

源站：https://doi.org/10.5061/dryad.s3443

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。

数据集大小约 51.7 MB。

数据说明

药理学挑战成像已绘制出生物系统对特定药物的敏感性，但很少对其进行量化。我们描述了一种称为快速定量药效成像的新方法。该方法结合了药代动力学-药效学建模、在短时间尺度内重复给予小剂量挑战药物以及功能成像，以快速提供药物敏感性的定量估计，包括EC50（产生最大可能效应一半时的药物浓度）。我们首先用模拟数据测试该方法，假设典型的S形剂量-反应曲线，并假设成像不完美，包括伪影性基线信号漂移和随机误差。基于这些少量假设，快速定量药效成像能够从模拟数据中可靠地估计EC50，除非噪声压倒了药物效应，或者效应仅在高剂量时出现。在使用多巴胺激动剂对灵长类大脑进行的初步fMRI研究中，观察到的噪声水平与观察到的药物效应相比是适度的，并且可以从一些区域时间-信号曲线中获得定量的EC50。

综合来看，这些结果表明，快速定量药效动力学成像的研究和临床应用是切实可行的。

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。