用于统计分析的扩散张量成像群体脑模型
数据围绕扩散张量成像(DTI)群体平均脑模板的构建与补充信息,基于 131 名正常受试者重建群体平均模板,并生成 FA、MD、RA、RD 等定量 DTI 图,可用于组分析研究及患者特异性扩散加权数据的统计分析

基本信息
资源简介
用于统计分析的扩散张量成像群体脑模型
Populational brain models of diffusion tensor imaging for statistical analysis: a complementary information in common space
该数据集来自 scielo.figshare.com,包含 3 个文件,包括两张图像和一份表格,由 Antonio Carlos da Silva Senra Filho 与 Luiz Otávio Murta Junior 于 2018 年发布。数据围绕扩散张量成像(DTI)群体平均脑模板的构建与补充信息,基于 131 名正常受试者重建群体平均模板,并生成 FA、MD、RA、RD 等定量 DTI 图,可用于组分析研究及患者特异性扩散加权数据的统计分析。配套论文发表于 Research on Biomedical Engineering(2017)(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《Populational brain models of diffusion tensor imaging for statistical analysis: a complementary information in common space》发表于 Research on Biomedical Engineering(2017),DOI:10.1590/2446-4740.02317。源站首次发布:2018-08-08。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 引言:过去几十年中,人类脑模板的探索不断进展,为理解疾病模式,需要标准化的扩散张量成像(DTI)数据集。为此,一些 DTI 模板被开发出来以辅助组分析研究。本研究提出对最常用 DTI 模板的补充信息,以便对扩散加权数据进行患者特异性统计分析。方法:使用 131 名正常受试者重建群体平均模板。经过图像预处理、重建和对角化后,利用特征值和特征向量重建定量 DTI 图,即各向异性分数(FA)、平均扩散率(MD)、相对各向异性(RA)和径向扩散率(RD)。平均绝对误差(MAE)通过逐体素计算得出。
【数据结构与技术规格】
文件数 3 个,合计 928.00 KB。数据集 DOI:10.6084/m9.figshare.6944000.v1。
【主题与分类】
源站学科分类:Biological Engineering。主题标签:Magnetic resonance imaging、Diffusion Tensor Imaging、Brain templates、Statistical analysis。本站分类:神经系统疾病。
【适用方向】
源站学科分类标注为 Biological Engineering。
【获取与许可】
源站页面:https://scielo.figshare.com/articles/dataset/Populational_brain_models_of_diffusion_tensor_imaging_for_statistical_analysis_a_complementary_information_in_common_space/6944000
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Senra Filho, Antonio Carlos da Silva; Murta Junior, Luiz Otávio (2017). Populational brain models of diffusion tensor imaging for statistical analysis: a complementary information in common space. SciELO journals. Dataset
【使用注意】
· 源站最后修改于 2023-06-01,引用时请注意版本时效。
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(Figshare)
- 源站标题:Populational brain models of diffusion tensor imaging for statistical analysis: a complementary information in common space
- DOI:10.6084/m9.figshare.6944000.v1
- 发布日期:2018-08-08
- 文件数:3 个
- 文件总体积:928.00 KB
- 源站页面:https://scielo.figshare.com/articles/dataset/Populational_brain_models_of_diffusion_tensor_imaging_for_statistical_analysis_a_complementary_information_in_common_space/6944000
命令行下载
curl -L -o "2446-4740-reng-2446-474002317-gf01.jpg" "https://ndownloader.figshare.com/files/12735806"
curl -L -o "2446-4740-reng-2446-474002317-gf02.jpg" "https://ndownloader.figshare.com/files/12735818"
curl -L -o "Table_1.xls" "https://ndownloader.figshare.com/files/12735827"
文件清单
2446-4740-reng-2446-474002317-gf01.jpg(439.93 KB)2446-4740-reng-2446-474002317-gf02.jpg(482.44 KB)Table_1.xls(5.63 KB)
文件总体积 928.00 KB(源站 API 实测)。
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。
数据说明
摘要 引言:过去几十年来,人类大脑模板的探索不断进展,为了理解疾病模式,对标准弥散张量成像(DTI)数据集的需求日益凸显。为此,一些DTI模板被开发出来,以辅助组分析研究。本研究旨在为最常用的DTI模板提供补充信息,以便对弥散加权数据进行患者特异性统计分析。方法:使用131名正常受试者重建群体平均模板。经过图像预处理、重建和对角化后,利用特征值和特征向量重建定量DTI图谱,即部分各向异性(FA)、平均弥散率(MD)、相对各向异性(RA)和径向弥散率(RD)。采用逐体素程序计算平均绝对误差(MAE),该误差反映了每个定量图谱平均强度值的全局误差。
结果 MAE 值呈现较低的 MAE 估计值(max(MAE) = 0.112),表明我们的 DTI-USP-131 模板与经典 DTI-JHU-81 方法之间的误差度量合理,后者也与经典 DTI 模板具有统计学等效性(p<0.05)。因此,每个定量 DTI 图的补充标准差(SD)图可以添加到经典 DTI-JHU-81 模板中。结论 在本研究中,重建了变异性 DTI 图(SD 图),为患者特异性方法中的体素级统计分析提供了可能。最后,本文描述的脑模板(DTI-USP-131)已在网站(http://dx.doi.org/10.17632/br7bhs4h7m.1)上供研究使用,对研究和临床应用具有重要价值。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.6944000.v1(source: https://scielo.figshare.com/articles/dataset/Populational_brain_models_of_diffusion_tensor_imaging_for_statistical_analysis_a_complementary_information_in_common_space/6944000)。
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。




