Meta分析48：ASD元分析

对4张图进行双侧Stouffer固定效应图像型元分析，以各图对应的样本量加权。使用理论零分布进行FWE校正。主题标签：神经系统疾病、ASD、元分析、图像型元分析、Stouffer固定效应、FWE校正

neurovault

图像回归神经系统疾病ASD元分析图像型元分析Stouffer固定效应FWE校正

基本信息

模态

图像

任务类型

回归

创建/更新时间

2026-11-06

资源简介

Meta分析48：ASD元分析

Metaanalysis 48: ASD meta-analysis 是一个面向神经系统疾病领域的图像型元分析数据集，主题聚焦于自闭症谱系障碍（ASD）。该数据集来源于 neurovault.org，其核心内容是对 4 张统计图进行双侧 Stouffer 固定效应图像型元分析，并以各图对应的样本量作为权重。分析结果采用理论零分布进行 FWE（家庭wise误差）校正。该数据集适用于需要整合多组独立脑影像统计结果、并以图像为基本分析单元的研究场景，可为 ASD 相关的神经影像元分析提供汇总统计图资源。

【数据集背景】

该数据集属于神经系统疾病分类下的“其他”子类，主题标签包括神经系统疾病、ASD、元分析、图像型元分析、Stouffer 固定效应以及 FWE 校正。图像型元分析是一种以已发表的统计参数图（而非原始个体数据）为输入，通过合并多张图像的效应量或统计量来获得汇总脑图的方法。Stouffer 固定效应方法是一种常用的合并独立研究 p 值或 z 值的策略，其核心思想是将各研究的标准化效应按权重合并，权重通常反映研究的样本量或精度。该数据集正是针对 ASD 主题，对 4 张图执行了双侧 Stouffer 固定效应合并，并采用理论零分布进行 FWE 校正，以控制多重比较带来的假阳性风险。

【数据内容】

数据集的核心内容为元分析生成的统计图像。具体而言，输入为 4 张统计图，每张图对应一项独立研究或分析结果；元分析过程采用双侧 Stouffer 固定效应模型，并以各图对应的样本量作为权重进行加权合并。输出结果为经过 FWE 校正的汇总统计图，校正方法基于理论零分布。数据集中可能包含的统计量包括合并后的 z 值或 p 值图像，以及相应的显著性掩模。由于源站未提供更详细的文件列表、图像分辨率、坐标空间或具体统计阈值，这些信息无法进一步描述。

【采集与来源】

该数据集的来源站为 neurovault.org，这是一个公开的脑影像统计图存储与共享平台。源站描述明确指出，该元分析基于 4 张图进行，采用双侧 Stouffer 固定效应方法，以样本量加权，并使用理论零分布进行 FWE 校正。关于这 4 张图的原始研究来源、受试者特征、扫描参数或预处理流程，源站未提供。因此，无法确定输入图像的具体采集站点、扫描设备或被试群体信息。

【适用场景】

该数据集适用于以下场景：第一，作为 ASD 神经影像元分析的参考汇总图，用于与其他元分析方法或独立数据集的结果进行对比；第二，用于方法学研究，例如比较不同固定效应模型、加权策略或 FWE 校正方法在图像型元分析中的表现；第三，作为区域定位的辅助工具，帮助研究者识别在 ASD 中一致出现差异的脑区；第四，用于教学或演示，展示图像型元分析的基本流程与结果呈现方式。需要注意的是，由于输入图像数量较少（仅 4 张），该元分析结果的稳健性和泛化能力可能有限，使用时应结合具体研究问题谨慎解读。

【使用方法】

使用该数据集时，通常需要具备神经影像分析的基本工具，如 FSL、SPM、AFNI 或 Python 中的 nibabel、nilearn 等库，用于读取和可视化统计图。用户可将该元分析结果图与自己的统计图进行空间叠加，或提取特定感兴趣区域的统计值。由于源站未提供详细的预处理或分析脚本，用户可能需要根据源站描述自行复现分析流程：即获取 4 张输入图，按样本量加权，执行双侧 Stouffer 固定效应合并，再基于理论零分布进行 FWE 校正。若仅使用结果图，则应注意其坐标空间和统计单位，确保与自身数据兼容。

【质量与限制】

该数据集的质量取决于输入 4 张图的质量以及元分析方法的适用性。Stouffer 固定效应方法假设各研究间不存在显著的异质性，且以样本量加权可能忽略研究间精度差异。此外，仅纳入 4 张图可能导致合并结果的稳定性不足，FWE 校正基于理论零分布，其有效性依赖于所采用的统计模型假设。源站未提供输入图像的详细信息、异质性检验结果或敏感性分析，因此无法评估该元分析结果的偏倚风险。用户在使用时应明确这些限制，避免过度解读。

【引用与许可】

该数据集的引用信息与许可条款源站未提供。用户在使用时应访问 neurovault.org 上对应的数据集页面，查看是否有指定的引用格式或使用许可。若源站未明确许可，建议遵循 neurovault.org 的通用使用条款，并在发表成果时注明数据来源。

原始链接

https://neurovault.org/collections/5884

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://neurovault.org/collections/5884

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。

数据说明

Two sided Stouffer’s fixed-effects image-based meta-analysis on 4 maps weighted by their corresponding sample sizes. FWE corrected with theoretical null distribution.

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