高空间分辨率功能连接动态揭示长程交互与精细组织
我们在此提供基于数据驱动的长程和精细尺度脑区划分（分别为37个和449个区域），这些划分源自54名HCP健康受试者的动态功能连接
基本信息
资源简介
高空间分辨率功能连接动态揭示长程交互与精细组织
本数据集围绕高空间分辨率下功能连接的动态特征展开，提供两套由数据驱动方法得到的脑区划分方案，分别包含37个长程区域和449个精细尺度区域。这两套划分并非基于传统的解剖或静态功能模板，而是从54名HCP健康受试者的动态功能连接中提取，旨在刻画大脑功能连接在时间维度上的变化规律，以及由此呈现的长距离交互与精细尺度组织特征。数据集归属于神经系统疾病/其他类别，来源为neurovault.org，适合用于脑功能分区、动态功能连接分析以及脑网络组织规律等方向的研究参考。
【数据集背景】
大脑功能连接并非静止不变，而是在时间尺度上呈现动态波动。传统静态功能连接分析往往将扫描时段内的连接强度平均化，可能掩盖短时程内的连接变化。高空间分辨率下的动态功能连接分析，有助于揭示脑区间长距离相互作用以及局部精细尺度的功能组织。本数据集正是在这一背景下产生，通过数据驱动方式获得长程与精细尺度两种脑区划分，为相关研究提供可用的分区参考。
【数据内容】
数据集提供两套脑区划分结果：其一是长程划分，包含37个区域；其二是精细尺度划分，包含449个区域。这两套划分均源自动态功能连接的数据驱动分析，分别对应长距离交互层面的组织结构和更精细尺度的功能分区。源站描述未提供各区域的具体名称、坐标、体积、功能标签或对应的网络归属信息，也未提供划分所依据的具体算法参数或阈值。
【采集与来源】
数据来源于neurovault.org。源站描述说明，所用数据来自54名HCP健康受试者。除受试者数量与HCP健康受试者这一身份外，源站未提供受试者的年龄、性别、扫描参数、成像模态、预处理流程或动态功能连接计算的具体方法。数据集英文名称为“Dynamics of functional connectivity at high spatial resolution reveal long-range interactions and fine-scale organization”。
【适用场景】
该数据集可用于需要长程或精细尺度脑区划分的研究场景，例如动态功能连接分析、脑网络组织规律探索、功能分区方法比较，以及作为后续分析中的分区模板参考。由于划分基于健康受试者的动态功能连接，其适用对象以健康人群相关研究为主。源站未提供该数据集在疾病人群中的验证信息，也未提供具体的应用案例或推荐分析流程。
【使用方法】
源站未提供具体的使用方法说明，包括但不限于数据加载方式、文件格式、软件依赖、配准要求或分析步骤。使用者需依据源站提供的实际文件与说明进行操作。源站未提供与标准脑空间配准的细节，也未说明如何将37区域或449区域划分应用于新的数据集。
【质量与限制】
源站未提供质量评估指标、验证结果或局限性说明。已知信息仅包括：划分基于54名HCP健康受试者的动态功能连接，包含37个长程区域和449个精细尺度区域。源站未提供受试者群体多样性、扫描时长、重复扫描稳定性、划分可重复性等信息。使用者在解释结果时需注意，该数据集的分区结果来源于特定样本与特定分析方法，其泛化能力与适用范围尚未在源站描述中说明。
【引用与许可】
源站未提供引用格式、许可协议或使用条款。使用者应访问neurovault.org对应页面获取引用与许可信息。源站未提供数据集的DOI、版本号或更新记录。
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/3091
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
我们在此提供基于54名HCP健康受试者的动态功能连接得出的数据驱动的长程和精细尺度脑区划分（分别为37个和449个区域）。
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。
