数据集:T1加权在体人全脑MRI,250微米超高各向同性分辨率
该数据集为在体人脑超高分辨率MRI数据,包含7 Tesla下采集的T1加权全脑解剖数据,标称各向同性分辨率250微米,来自一名年轻健康白人受试者,采用前瞻性运动校正

基本信息
资源简介
数据集:T1加权在体人全脑MRI,250微米超高各向同性分辨率
Data from: T1-weighted in vivo human whole brain MRI dataset with an ultrahigh isotropic resolution of 250 μm
该数据集为在体人脑超高分辨率MRI数据,包含7 Tesla下采集的T1加权全脑解剖数据,标称各向同性分辨率250微米,来自一名年轻健康白人受试者,采用前瞻性运动校正。原始数据约1.2 TB,总扫描时间八小时。其分辨率远超此前已发表的在体结构全脑数据集,可用于构建在体MR脑图谱,并借助原始数据改进图像重建与恢复方法,优化高场强、超高分辨率下的预处理与分割流程,以及评估分辨率对定量数据分析的潜在影响(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):我们展示了一个超高分辨率的在体人脑磁共振成像(MRI)数据集。它包含在7 Tesla下采集的T1加权全脑解剖数据,标称各向同性分辨率为250微米,来自一名年轻健康白人受试者,并使用前瞻性运动校正记录。原始数据量约为1.2 TB,总扫描时间为八小时。该数据集的分辨率远超此前任何已发表的在体结构全脑数据集。其潜在用途是构建在体MR脑图谱。由于原始数据已公开,图像重建和图像恢复方法可以得到改进。针对高磁场强度和超高分辨率数据,预处理和分割流程可能得到增强。此外,分辨率引起的定量数据分析中的潜在变化可以
【主题与分类】
主题标签:brain imaging、Homo Sapiens、prospective motion correction、Neuroanatomy、ultra high resolution mri。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.38s74
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.38s74
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 20.69 GB。
数据说明
我们呈现了一套超高分辨率的活体人脑磁共振成像(MRI)数据集。该数据集包含采用7特斯拉磁场,以名义各向同性分辨率250微米采集的单一健康年轻高加索受试者的T1加权全脑解剖数据,并运用了前瞻性运动校正技术记录。原始数据量约为1.2TB,总扫描时间共计八小时。此数据集的分辨率远超以往任何已发表的活体结构全脑数据集。其潜在用途在于构建活体MR脑图谱。随着原始数据的公开,图像重建与恢复方法有望得到改进。针对高磁场强度和超高分辨率数据的预处理与分割流程也可能得以优化。此外,由于数据库中还包括同一受试者以1毫米和0.5毫米各向同性分辨率获取的高质量图像,因此可以评估分辨率变化对定量数据分析(如皮层厚度或体积测量)的潜在影响。
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。




