帕金森病黑质纹状体及黑质外通路轨迹密度变化图谱
在此，我们应用了一种新颖的扩散加权成像方法——轨迹密度成像（TDI）。将27名非痴呆帕金森病患者（平均病程：5年，Hoehn & Yahr量表平均评分=1.5）与26名在年龄、性别和教育水平上匹配的老年对照进行比较
基本信息
资源简介
帕金森病黑质纹状体及黑质外通路轨迹密度变化图谱
该数据集围绕帕金森病中黑质纹状体及黑质外通路的轨迹密度变化展开，属于神经系统疾病领域的影像学数据资源。研究采用一种新颖的扩散加权成像方法——轨迹密度成像（TDI），将27名非痴呆帕金森病患者与26名在年龄、性别和教育水平上匹配的老年对照进行比较。患者平均病程为5年，Hoehn & Yahr量表平均评分为1.5。通过采样每位受试者空间标准化后的纤维轨迹并以1毫米等向间隔计数穿过每个体素的纤维，生成轨迹密度图像，并进行全脑基于体素的分析，采用置换检验评估显著性。结果显示，帕金森病患者相对于对照组在轨迹密度上出现具有统计学意义的增高，相关聚类分布于运动、认知和边缘网络等疾病相关区域。
【数据集背景】
帕金森病是一种常见的神经系统疾病，其病理改变不仅涉及黑质纹状体通路，也可能累及黑质以外的多个脑区。传统的扩散加权成像方法在刻画纤维轨迹密度变化方面存在一定局限。该数据集所依托的研究引入轨迹密度成像（TDI）这一新颖的扩散加权成像方法，旨在从全脑范围考察帕金森病患者与匹配对照之间在轨迹密度上的差异，从而为理解疾病相关通路的改变提供影像学依据。研究聚焦于非痴呆帕金森病患者，并将其与在年龄、性别和教育水平上匹配的老年对照进行比较，以控制这些因素对结果的潜在影响。
【数据内容】
该数据集的核心内容为轨迹密度图像及相关分析结果。轨迹密度图像通过采样每位受试者空间标准化后的纤维轨迹生成，采样方式为1毫米等向间隔，并计数穿过每个体素的纤维数量。在此基础上开展全脑基于体素的分析，并以置换检验评估统计显著性。研究观察到帕金森病患者相对于对照组存在轨迹密度具有统计学意义的增高，相关聚类分布于运动、认知和边缘网络等疾病相关区域。从下髓质到间脑和纹状体，聚类涵盖了已知的特定解剖位置。源站描述在此处未完整给出，因此更详细的解剖定位信息源站未提供。
【采集与来源】
该数据集来源于neurovault.org。研究纳入27名非痴呆帕金森病患者，其平均病程为5年，Hoehn & Yahr量表平均评分为1.5；对照组为26名老年对照，在年龄、性别和教育水平上与患者匹配。影像数据为扩散加权成像，并采用轨迹密度成像方法进行处理。关于具体的扫描设备、成像参数、采集站点数量、扫描时间等细节，源站未提供。
【适用场景】
该数据集适用于神经系统疾病特别是帕金森病相关的影像学研究，可用于考察黑质纹状体及黑质外通路的轨迹密度变化。其全脑基于体素的分析结果可支持对运动、认知和边缘网络等疾病相关区域的结构改变进行探索。由于研究纳入了非痴呆帕金森病患者并与匹配对照比较，该数据也可用于与年龄、性别和教育水平相匹配的对照研究设计参考。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
根据源站描述，使用该数据集时涉及的方法包括：对每位受试者的纤维轨迹进行空间标准化，以1毫米等向间隔采样并计数穿过每个体素的纤维以生成轨迹密度图像；随后进行全脑基于体素的分析，并采用置换检验评估统计显著性。比较对象为帕金森病患者与匹配的老年对照。关于数据的具体格式、预处理步骤、软件工具及分析代码等，源站未提供。
【质量与限制】
该研究采用了置换检验进行统计分析，并设置了年龄、性别和教育水平匹配的对照组，这有助于控制相关混杂因素。研究样本为27名非痴呆帕金森病患者和26名老年对照，样本量相对有限。患者平均病程为5年，Hoehn & Yahr量表平均评分为1.5，提示所纳入人群处于特定疾病阶段，可能影响结果向其他阶段患者的推广。此外，源站描述在解剖定位处未完整给出，相关细节不完整。关于数据质量的其他指标、多中心一致性、扫描参数等，源站未提供。
【引用与许可】
该数据集来源于neurovault.org。关于具体的引用格式、作者列表、发表信息以及许可条款，源站未提供。
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://neurovault.org/collections/104
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
本研究采用了一种新型的弥散加权成像方法——纤维束密度成像（TDI）。我们将27名非痴呆型帕金森病患者（平均病程5年，Hoehn & Yahr量表平均评分为1.5）与26名在年龄、性别和教育水平上相匹配的老年对照组进行了比较。纤维束密度图像是通过对每位受试者空间标准化的纤维束以1mm等间隔采样，并计数通过每个体素的纤维来生成的。我们进行了全脑基于体素的分析，并通过置换检验评估显著性。结果显示，相对于对照组，帕金森病患者的纤维束密度有统计学意义的增加。这些聚集区分布于与疾病相关的区域，包括运动、认知和边缘系统网络。从下髓质到间脑和纹状体，聚集区涵盖了已知的蓝斑和脑桥脚核位置，以及从黑质向上延伸至后壳核内侧区域，且为双侧分布。
在脑干和黑质纹状体通路中发现的结果与已知非痴呆帕金森病患者神经病理改变的分布有大量重叠。我们的结果还支持帕金森病早期即涉及边缘系统和认知网络。
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。
