从皮质纹状体连接预测局部纹状体奖赏信号

该集合包含论文中呈现的观测对比、由结构连接预测的对比图,以及观测与预测对比之间的平均绝对误差(MAE)。所有图谱均在单被试水平上计算,归一化至 MNI 空间,并取平均

neurovault
浏览 4
时间序列预测神经系统疾病皮质纹状体连接纹状体奖赏信号结构连接预测MNI空间单被试水平MAE
Predicting local striatal reward signals from corticostriatal connectivity

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-11-04

资源简介

从皮质纹状体连接预测局部纹状体奖赏信号

该数据集名为 Predicting local striatal reward signals from corticostriatal connectivity,收录于 neurovault.org,并在本站归入神经系统疾病 / 其他类别。其核心内容围绕论文中呈现的观测对比、由结构连接预测的对比图,以及观测与预测对比之间的平均绝对误差(MAE)展开。所有图谱均在单被试水平上计算,随后归一化至 MNI 空间并取平均。整体而言,该数据集提供了从皮层-纹状体连接预测局部纹状体奖赏信号的对比图与误差评估结果,可用于考察结构连接与功能/奖赏相关信号之间的对应关系,并为相关神经影像分析提供可复用的图谱资源。

【数据集背景】

该数据集来自 neurovault.org,主题为从皮层-纹状体连接预测局部纹状体奖赏信号。其背景与论文中呈现的观测对比和预测对比有关,目标在于呈现结构连接预测与观测结果之间的对应关系。本站将其归入神经系统疾病 / 其他类别。除上述信息外,源站未提供更详细的背景说明。

【数据内容】

该集合包含三类内容:一是论文中呈现的观测对比;二是由结构连接预测的对比图;三是观测与预测对比之间的平均绝对误差(MAE)。所有图谱均在单被试水平上计算,归一化至 MNI 空间,并取平均。除这些内容外,源站未提供关于图谱数量、具体对比类型、受试者数量或文件格式的更多说明。

【采集与来源】

数据来源站为 neurovault.org。源站描述表明,该集合包含论文中呈现的观测对比、由结构连接预测的对比图以及观测与预测对比之间的 MAE。所有图谱均在单被试水平上计算,归一化至 MNI 空间,并取平均。关于采集设备、扫描参数、被试群体、结构连接计算方法等,源站未提供。

【适用场景】

基于现有信息,该数据集适用于展示和复用与皮层-纹状体连接预测局部纹状体奖赏信号相关的对比图、预测图及误差图。由于所有图谱均归一化至 MNI 空间并取平均,可用于在标准空间中进行可视化、比较或作为后续分析的参考图谱。关于具体适用疾病、临床诊断或特定研究设计,源站未提供。

【使用方法】

该数据集以观测对比、结构连接预测对比以及两者之间的 MAE 为主要内容,所有图谱均在单被试水平计算、归一化至 MNI 空间并取平均。使用者可据此查看观测与预测之间的差异,并利用 MAE 评估预测对比与观测对比之间的平均绝对误差。关于具体的加载方式、软件工具、坐标系统版本或分析流程,源站未提供。

【质量与限制】

该数据集提供了观测对比、预测对比以及观测与预测之间的 MAE,所有图谱均在单被试水平计算、归一化至 MNI 空间并取平均。这些信息可用于评估预测对比与观测对比之间的一致性。但关于样本量、被试特征、扫描质量、预测模型的具体性能、统计阈值或潜在偏差,源站未提供。因此,使用时应结合原始论文和源站信息进一步确认适用范围与局限性。

【引用与许可】

该数据集来源于 neurovault.org,英文名称为 Predicting local striatal reward signals from corticostriatal connectivity。关于引用方式、作者列表、许可协议或使用条款,源站未提供。

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。

使用方式

数据集获取

源站:https://neurovault.org/collections/1381

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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

该数据集包含论文中呈现的观察对比度、由结构连接预测的对比度图,以及观察对比度与预测对比度之间的平均绝对误差(MAE)。所有图均在单个受试者水平上计算,归一化至MNI空间,并进行了平均处理。

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。