猕猴自然观看中动态视觉特征的fMRI映射
所包含的数据由一组通过逐步回归计算的r-square maps组成。猕猴在fMRI响应记录期间反复观看15段五分钟电影。每部电影编码了六个视觉特征，3个高层特征（Faces、Animals、Extremities）和3个低层特征（Luminance、Contrast、Motion），然后在体积中的每
基本信息
资源简介
猕猴自然观看中动态视觉特征的fMRI映射
该数据集名为 Functional MRI mapping of dynamic visual features during natural viewing in the macaque，来源于 neurovault.org，在本站归类于神经系统疾病 / 其他。数据集的核心内容是一组通过逐步回归计算得到的 r-square maps。实验过程中，猕猴在 fMRI 响应被记录的同时，反复观看 15 段五分钟电影。每部电影均编码了六个视觉特征，其中三个为高层特征，包括 Faces、Animals、Extremities，另外三个为低层特征，包括 Luminance、Contrast、Motion。这些特征随后在体积中的每个体素上进入逐步回归分析。对于每个体素，计算了总方差解释量，以及六个特征回归量各自单独解释的方差。此外，在另一组独立 session 中，受试者参与了经典 block paradigm，对比猕猴面孔与面孔的相位打乱版本，并计算了面孔与打乱图像之间对比的 T-maps，目标是映射面孔加工系统的位置，即通常所称的 face patches。
【数据集背景】
该数据集关注自然观看条件下的动态视觉特征映射，使用猕猴作为受试对象，结合 fMRI 记录，考察大脑对电影中多种视觉特征的响应。其背景涉及自然视觉刺激与功能磁共振成像的结合，以及通过回归方法将 fMRI 信号分解到特定视觉特征上的思路。数据集还包含经典 block paradigm 中面孔与相位打乱面孔的对比，用于定位面孔加工系统，即 face patches。本站将其归类于神经系统疾病 / 其他。
【数据内容】
数据集包含一组 r-square maps，这些图由逐步回归计算得到。实验让猕猴反复观看 15 段五分钟电影，同时记录 fMRI 响应。每部电影编码了六个视觉特征：三个高层特征为 Faces、Animals、Extremities；三个低层特征为 Luminance、Contrast、Motion。这些特征在体积中的每个体素上被提交至逐步回归。对于每个体素，计算了总方差解释量，以及六个特征回归量各自单独解释的方差。此外，在另一组独立 session 中，受试者参与了经典 block paradigm，对比猕猴面孔与面孔的相位打乱版本，并计算了面孔与打乱图像之间对比的 T-maps，目的是映射面孔加工系统的位置，即通常所称的 face patches。
【采集与来源】
数据来源于 neurovault.org。采集过程中，猕猴在 fMRI 响应被记录期间反复观看 15 段五分钟电影。在另一组独立 session 中，受试者参与了经典 block paradigm，对比猕猴面孔与面孔的相位打乱版本。源站未提供更多关于扫描参数、设备型号、序列细节、受试者数量或具体 session 数的信息。
【适用场景】
该数据集适用于研究与自然观看相关的动态视觉特征映射，尤其是通过逐步回归分析 fMRI 响应中不同视觉特征解释方差的应用场景。六个视觉特征涵盖高层特征 Faces、Animals、Extremities 和低层特征 Luminance、Contrast、Motion，可用于考察这些特征在体积中各体素上的方差解释情况。此外，数据集包含面孔与相位打乱面孔对比的 T-maps，适用于映射面孔加工系统位置，即 face patches 的相关研究。本站分类为神经系统疾病 / 其他。
【使用方法】
源站未提供具体使用方法。数据集以 r-square maps 和 T-maps 形式提供，用户可根据自身研究目的使用这些图。源站未提供关于预处理、配准、阈值设置或统计推断的具体指导。
【质量与限制】
源站未提供关于数据质量、噪声水平、受试者数量、重复次数或验证结果的具体信息。数据集基于猕猴在自然观看条件下的 fMRI 响应，以及经典 block paradigm 中面孔与相位打乱面孔的对比。源站未提供关于数据局限性、偏差或适用性限制的说明。
【引用与许可】
源站未提供引用方式与许可信息。
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/3857
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
所包含的数据由一组通过逐步回归计算得到的r方图组成。猕猴在fMRI响应记录期间反复观看了15部五分钟的电影。每部电影编码了六个视觉特征，其中3个高级特征（面孔、动物、四肢）和3个低级特征（亮度、对比度、运动），随后这些特征在每个体素上进行了逐步回归分析。对于每个体素，计算了总解释方差以及六个特征回归器各自解释的方差。在另一组独立的实验环节中，受试者参与了经典的块状范式，对比了猕猴面孔与面孔的相位打乱版本。我们计算了面孔与打乱图像对比的T图，目的是绘制面孔处理系统的位置，这一系统通常被称为面孔斑块。
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。
