跨临床、认知与神经递质维度的可重复脑基础抑郁分型

数据集获取

源站：https://doi.org/10.17632/w67mxvnsy8.1

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。

数据集大小约 238.0 KB。

数据说明

在独立队列中识别可重复的基于大脑的分型对于解析重性抑郁障碍（MDD）的异质性至关重要，但跨越微观与宏观尺度的稳健特征谱仍定义不足。我们对英国生物银行（UKB）中1531名MDD个体的皮层厚度（CT）数据应用了基于稳定性的聚类，并在IRCCS圣拉斐尔医院（HSR）的144名住院患者中进行了重复验证。出现了两个稳定的聚类（归一化稳定性=0.125），其以96.5%的准确率泛化至UKB的留出样本（多数聚类基线=59.5%）。这些聚类在广泛的CT上存在差异，主要反映在全局CT上，其中一个聚类表现为皮层变薄、童年创伤和糖尿病共病。两聚类结构在HSR中独立重复（归一化稳定性=0.29），皮层地形大体相似，尽管队列间系统性的CT差异限制了直接的跨队列可比性。在UKB中识别的临床相关因素经多重比较校正后未能重复。

在UKB中，将各分层间的CT差异映射到Neurosynth元分析激活模式上，揭示出与情绪调节、内感受和动机过程相关的腹-背侧梯度。与来自正电子发射断层扫描的19种神经递质受体和转运体的空间相关性分析表明，多巴胺转运体是UKB中的主要贡献者，而组胺H3受体则是HSR中的主要贡献者。这些发现提供了一个可重复的框架，将MDD中基于CT的聚类与多尺度生物组织联系起来，尽管其临床相关性仍需进一步研究。

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。