人类左侧前、后外侧前额叶皮层的多模态连接映射
在本研究中，我们考察了外侧前额叶皮层（LPFC）前部和后部的连接。我们使用三种独立方法估计连接：静息态 BOLD 协方差、基于皮层厚度的结构协方差，以及元分析连接建模（MACM）
基本信息
资源简介
人类左侧前、后外侧前额叶皮层的多模态连接映射
该数据集英文名为 Multimodal connectivity mapping of the human left anterior and posterior lateral prefrontal cortex，来源于 neurovault.org，本站将其归类为神经系统疾病 / 其他。数据集围绕人类左侧外侧前额叶皮层（LPFC）前部与后部的连接展开，采用静息态 BOLD 协方差、基于皮层厚度的结构协方差以及元分析连接建模（MACM）三种独立方法估计连接，并考察了这些连接度量与工作记忆网络、额顶网络层级组织以及社会与情绪加工相关网络之间的关系。该数据集由 ANIMA 数据库自动导入，版本为 1。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
外侧前额叶皮层是参与高级认知控制的重要脑区，其前部与后部在功能组织上可能存在差异。该研究关注左侧 LPFC 前部（aLPFC）与后部（pLPFC）的连接模式，试图通过多种连接度量揭示二者在脑网络中的不同定位。研究背景涉及工作记忆网络、额顶网络的层级组织，以及社会与情绪加工相关网络，这些背景构成了该数据集所对应分析的核心问题。
【数据内容】
数据集的核心内容是人类左侧 aLPFC 与 pLPFC 的连接映射结果，包含基于三种独立方法估计的连接信息：静息态 BOLD 协方差、基于皮层厚度的结构协方差，以及元分析连接建模（MACM）。研究考察了这些度量之间的重叠情况，并报告了种子区域与工作记忆网络、社会与情绪加工相关网络之间的关联及抗相关模式。除上述描述外，源站未提供更细粒度的数据文件清单或变量说明。
【采集与来源】
该数据集来源于 neurovault.org，并由 ANIMA 数据库自动导入，版本号为 1。源站描述提及研究使用静息态 BOLD 数据、皮层厚度结构数据以及元分析连接建模，但具体的扫描参数、样本构成、采集站点等信息源站未提供。
【适用场景】
基于源站描述，该数据集可用于考察左侧 LPFC 前部与后部连接模式的差异，支持关于额顶网络层级组织的探索，也可用于研究工作记忆网络与社会情绪加工网络之间的重叠与抗相关关系。其多模态连接映射的特征适合用于连接度量之间的比较与融合分析。除此之外的具体应用场景源站未提供。
【使用方法】
源站未提供该数据集的具体使用说明、预处理流程、分析参数或推荐工具。使用者需参考源站页面获取进一步信息。
【质量与限制】
源站未提供该数据集的质量评估、样本规模、数据完整性或已知限制等信息。由于数据由 ANIMA 数据库自动导入，其版本信息仅标注为版本 1，其他质量控制细节源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可条款，使用前需查阅 neurovault.org 上的原始页面以确认相关要求。
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/843
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
在本研究中，我们探讨了外侧前额叶皮层（LPFC）前部与后部的连接性。我们采用三种独立方法评估连接性：静息态BOLD协方差、基于皮层厚度的结构协方差，以及元分析连接建模（MACM）。我们发现所有测量指标均存在明显的重叠区域，其中aLPFC与先前研究中定义的工作记忆网络重叠更为显著；同时，静息态下aLPFC与pLPFC激活的对比结果与额顶网络层级组织的观点相一致。我们还发现这些种子区域存在显著的负相关，其中aLPFC（而非pLPFC）与先前关联于社会与情绪处理的网络存在大量重叠。本数据集自动导入自ANIMA数据库。版本：1
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。
