情感障碍的神经相关：边缘型人格障碍、重性抑郁与创伤后应激障碍负性情感加工的对比元分析
元分析检验了BPD、MDD和PTSD患者在负性情感加工过程中的异常脑活动。我们分别针对每种精神障碍、跨所有障碍以及障碍之间计算了元分析，以评估负性情感加工的共享效应和障碍特异性效应
基本信息
资源简介
情感障碍的神经相关：边缘型人格障碍、重性抑郁与创伤后应激障碍负性情感加工的对比元分析
该数据集聚焦于负性情感加工过程中精神障碍患者异常脑活动的元分析证据，覆盖边缘型人格障碍（BPD）、重性抑郁障碍（MDD）与创伤后应激障碍（PTSD）三类常见精神障碍。研究者通过元分析方法，分别针对每一种精神障碍、跨所有障碍以及障碍之间进行比较，旨在识别负性情感加工中的共享神经效应与障碍特异性效应。数据集来源于神经影像数据共享平台 neurovault.org，在站内被归类为神经系统疾病下的其他类别。整体而言，该数据集提供了关于情感障碍神经相关性的比较性元分析结果，有助于理解不同精神障碍在负性情感加工中的共性脑活动异常与各自独特的神经模式，为后续神经影像研究、临床神经科学探索以及跨诊断比较提供参考依据。
【数据集背景】
该数据集所依托的研究关注情感障碍的神经相关性，尤其是负性情感加工过程中的异常脑活动。研究选取了三种在临床上常见且常伴随情感调节困难的精神障碍：边缘型人格障碍（BPD）、重性抑郁障碍（MDD）和创伤后应激障碍（PTSD）。这些障碍在症状表现上存在重叠，例如负性情绪体验增强、情绪调节困难等，但其背后的神经机制是否相同或存在差异，尚需通过比较性元分析加以澄清。该数据集正是围绕这一目标构建，通过元分析手段系统检验不同障碍在负性情感加工中的脑活动异常，从而评估共享效应与障碍特异性效应。
【数据内容】
数据集的核心内容为元分析结果，具体包括针对BPD、MDD和PTSD各自单独进行的元分析，以及跨所有障碍的合并元分析和障碍之间的比较元分析。这些分析均聚焦于负性情感加工过程中的异常脑活动。通过分别计算每种障碍的元分析，研究者能够获得该障碍在负性情感加工中的特定脑活动模式；通过跨所有障碍的元分析，可以识别不同障碍之间共享的神经异常；通过障碍之间的比较元分析，则能够评估某种障碍相对于其他障碍的特异性效应。数据集本身以神经影像元分析结果的形式呈现，具体包含的脑区坐标、统计图或效应量等信息，源站未提供详细说明。
【采集与来源】
该数据集来源于 neurovault.org，这是一个公开的神经影像数据共享平台。源站描述指出，研究者通过元分析方法检验了BPD、MDD和PTSD患者在负性情感加工过程中的异常脑活动。元分析的计算方式包括针对每种精神障碍单独进行、跨所有障碍进行以及障碍之间进行比较。数据集的原始研究文献标题为“Neural correlates of affective disturbances. A comparative meta-analysis of negative affect processing in borderline personality disorder, major depression, and posttraumatic stress disorder”。关于数据采集的具体时间、样本量、纳入研究的数量、影像采集参数等细节，源站未提供。
【适用场景】
该数据集适用于神经影像元分析、精神障碍的跨诊断比较研究以及负性情感加工的神经机制探索。具体而言，研究人员可以利用该数据集比较BPD、MDD和PTSD在负性情感加工中的脑活动异常，识别共享的神经基础与障碍特异性的神经标记。此外，该数据集也可用于验证或补充关于情感障碍神经相关性的理论假设，支持后续实证研究的设计与假设生成。在临床神经科学领域，该数据集有助于推动对情感障碍病理生理机制的理解，并为跨诊断维度的研究提供参考。需要注意的是，该数据集为元分析结果，不包含原始个体被试数据，因此不适用于个体化诊断或预测。
【使用方法】
该数据集可通过 neurovault.org 平台获取。使用者可以根据研究目的，提取针对特定障碍（BPD、MDD或PTSD）的元分析结果，或使用跨障碍合并元分析与障碍间比较元分析的结果。在分析时，可将这些元分析结果与自身的神经影像数据或独立样本进行对比，以检验共享效应或障碍特异性效应。由于数据集为元分析层面的结果，使用时需注意其统计效力与泛化能力受原始纳入研究的影响。具体的数据格式、下载方式、配套代码或分析工具等信息，源站未提供。
【质量与限制】
该数据集基于元分析方法，能够整合多个研究的结果，提高统计效力，并评估不同障碍之间的共享与特异性效应。然而，元分析本身受限于原始研究的质量、异质性以及发表偏倚等因素。此外，该数据集仅涵盖BPD、MDD和PTSD三种障碍，未包括其他精神障碍或健康对照的详细比较。关于元分析的具体纳入标准、异质性检验、敏感性分析以及发表偏倚评估等质量指标，源站未提供。因此，使用者在解释结果时应谨慎，并结合原始研究文献进行综合判断。
【引用与许可】
该数据集的引用方式、许可协议以及使用条款等信息，源站未提供。使用者应直接访问 neurovault.org 上的对应页面，查看具体的引用要求与许可说明。在未获得明确许可信息前，建议遵循该平台的通用使用规范，并引用原始研究文献。
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/3751
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
元分析测试了在边缘型人格障碍、重度抑郁症和创伤后应激障碍中，负面情感处理期间的大脑异常活动。我们分别对每种精神障碍、所有障碍总体以及障碍之间进行了元分析，以评估负面情感处理的共有效应和特定于某种障碍的效应。
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。
