基于实时面孔加工的首发精神病深度多模态表征与分类

数据集获取

源站：https://search.dataone.org/view/sha256%3Af26393a7f5d0db7fc32ec8bff3b7f6afc39a324c9fb0c10f51566db85aa86094

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。

数据说明

精神分裂症是一种严重的精神疾病，伴有广泛认知与神经生理功能障碍以及长期社会适应困难。早期识别有望通过及早治疗减轻疾病负担。本文检验如下假设：整合多种同步采集的神经影像、行为与临床信息，在预测早期精神病方面将优于单一模态记录。我们提出一种新框架，利用神经与行为记录的多模态采集（包括功能性近红外光谱（fNIRS）、脑电图（EEG）以及面部特征），研究早期精神病症状（随年龄增长可发展为精神分裂症）的神经基础。我们的数据采集范式基于实时面对面互动，以研究首发精神病（FEP）中社会认知的神经相关物。

我们提出了一种新颖的深度表征……所提出的方法采用双人组，其中一人作为现场表情面孔刺激，另一人被归类为典型发育（TD）个体或首发精神病（FEP）患者。双人组隔桌相对而坐，距离约140厘米，桌面安装的眼动追踪系统被放置以测量受试者的连续眼动。功能性近红外光谱（fNIRS）和脑电图（EEG）数据也被同步并持续采集受试者在实验过程中的血流动力学和皮层电反应。双人组由桌子中央的“智能玻璃”隔开，该玻璃控制面孔注视时间（在注视期间玻璃为透明）和“休息时间”（在休息期间玻璃为不透明）（Hirsch, X. Zhang, Noah, and Bhattacharya, 2023）。实验范式双人组隔桌相对而坐，相距140厘米。“智能玻璃”（能够在透明与不透明之间交替外观的玻璃）向上

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。