MCI 面部表情识别数据集
该数据集来自 e-cienciaDatos，旨在比较轻度认知障碍（MCI）个体与健康老年人和健康年轻人在识别情绪面部表情上的表现
基本信息
资源简介
MCI 面部表情识别数据集
Facial expression recognition in MCI
该数据集来自 e-cienciaDatos，旨在比较轻度认知障碍（MCI）个体与健康老年人和健康年轻人在识别情绪面部表情上的表现。数据覆盖 27 名 MCI 个体、31 名健康老年人和 29 名健康年轻参与者，包含静态面部表情照片和动态面部表情视频两种任务下的表现。刺激材料取自 Amsterdam Dynamic Facial Expression Set（ADFES）。数据可用于研究 MCI 与正常衰老在情绪识别上的差异，并支持基于面部表情识别的分类分析（来源 DOI 解析）。
【数据集背景】
源站首次发布：2025。
【数据内容】
源站描述（机器翻译，仅供参考）：本项目旨在研究 MCI 个体与健康老年人和健康年轻人相比识别情绪面部表情的能力。该数据集包括 27 名 MCI 个体、31 名健康老年人和 29 名健康年轻参与者在两种任务下的表现：一种使用静态面部表情（照片），另一种使用动态面部表情（视频）。测试程序已在之前详细呈现（Alonso-Recio et al., 2021）。刺激材料取自 Amsterdam Dynamic Facial Expression Set（ADFES；van der Schalk et al., 2011）。为了描述各组在性别、年龄、抑郁、焦虑和一般认知状态方面的情况，我们比较了性别、年龄、西班牙版 Goldberg 焦虑抑郁量表（GADS；Monton et al., 1993）得分以及蒙特利尔认知评估（Nasreddine et al., 2005）得分。
【主题与分类】
主题标签：Ciencias sociales、Mild Cognitive Impairment、normal aging、dynamic stimuli、static stimuli、emotional recognition。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://edatos.consorciomadrono.es/citation?persistentId=doi:10.21950/X5HKUZ
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/10.21950/X5HKUZ
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
本项目旨在探究轻度认知障碍（MCI）个体相较于健康老年人和健康年轻人在识别情绪面部表情方面的能力。本数据集包含27名MCI个体、31名健康老年人和29名健康年轻参与者在两项任务中的表现：一项使用静态面部表情（照片），另一项使用动态面部表情（视频）。测试流程已在先前文献中详细呈现（Alonso-Recio et al., 2021）。刺激材料取自阿姆斯特丹动态面部表情集（ADFES; van der Schalk et al., 2011）。为描述各组在性别、年龄、抑郁、焦虑及一般认知状况方面的情况，我们比较了性别、年龄、西班牙版Goldberg焦虑与抑郁量表得分（GADS; Monton et al., 1993）以及蒙特利尔认知评估得分（Nasreddine et al., 2005）。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
