理性之敌并非情绪:认知控制网络参与解释得失框架偏差

在经典的得失框架效应中,将赌博描述为潜在收益或损失会分别使人们偏向风险规避或风险寻求决策。对该效应的经典解释是,框架会差异性调节情绪过程——进而导致非理性选择行为

neurovault
浏览 18
其他分类fMRI认知控制网络决策偏差神经系统疾病neurovault
Reason's Enemy Is Not Emotion: Engagement of Cognitive Control Networks Explains Biases in Gain/Loss Framing

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-11-04

资源简介

理性之敌并非情绪:认知控制网络参与解释得失框架偏差

该数据集围绕经典的得失框架效应展开,旨在探究框架偏差背后的神经机制。在经典范式中,将同一赌博情境描述为潜在收益或潜在损失,会分别使人们倾向于风险规避或风险寻求决策。传统解释认为,框架通过差异性调节情绪过程,进而导致非理性选择行为。该数据集整合了143名人类参与者在执行得失框架任务时的功能磁共振成像(fMRI)数据,并与来自8000多项神经影像研究的元分析数据相结合,用以检验框架偏差的来源。研究发现,与框架效应一致的决策激活模式,与静息态或默认脑网络激活最为相关;而与框架效应不一致的决策激活模式,则与任务参与脑网络激活最为相关。这一结果对得失框架效应的常见解释提出了挑战。

【数据集背景】

得失框架效应是行为决策研究中的经典现象:当同一赌博被描述为潜在收益时,人们更倾向于风险规避;被描述为潜在损失时,则更倾向于风险寻求。长期以来,一种主流解释认为,框架之所以影响选择,是因为它差异性调节了情绪过程,从而使人做出非理性的选择行为。该数据集正是为检验这一解释而构建,试图从神经影像层面寻找框架偏差的真正来源。它不局限于行为层面的观察,而是将任务态fMRI数据与大规模元分析数据结合,以更系统地考察框架效应与不同脑网络激活模式之间的关系。

【数据内容】

该数据集的核心内容为143名人类参与者在执行得失框架任务期间采集的功能磁共振成像数据。参与者需要在收益或损失框架下对赌博选项做出决策。数据集还整合了来自超过8000项神经影像研究的元分析数据,用于与任务态激活模式进行对照分析。研究关注的关键对比是:与框架效应一致的决策所对应的激活模式,以及与框架效应不一致的决策所对应的激活模式。分析结果显示,前者与静息态或默认脑网络的激活最为相关,后者则与任务参与脑网络的激活最为相关。这些内容构成了数据集在神经影像层面的主要信息。

【采集与来源】

该数据集来源于neurovault.org。其fMRI数据采集自143名人类参与者,这些参与者均执行了得失框架任务。除任务态fMRI数据外,数据集还纳入了来自8000多项神经影像研究的元分析数据。源站描述中未提供具体的采集参数、扫描序列、站点数量、参与者人口学信息等细节。本站将其归类为神经系统疾病 / 其他类别。

【适用场景】

该数据集适用于研究与得失框架效应相关的神经机制,尤其是检验情绪过程与认知控制网络在框架偏差中的作用。它可以用于分析任务态fMRI激活模式与静息态、默认脑网络以及任务参与脑网络之间的相关性。此外,由于整合了大规模元分析数据,该数据集也适合用于跨研究的神经影像元分析对比,帮助研究者从更广泛的脑激活文献中定位框架效应的神经关联。对于关注决策神经科学、认知控制、情绪与理性关系等方向的研究,该数据集提供了可用的影像与元分析资源。

【使用方法】

源站未提供具体的使用方法说明。通常,此类数据集可用于重新分析任务态fMRI激活图、与元分析数据进行空间相关分析,或用于验证关于框架效应神经基础的假设。但具体的数据格式、预处理流程、分析脚本、访问方式等,源站未提供。

【质量与限制】

源站未提供关于数据质量、样本代表性、扫描质量、元分析纳入标准等方面的具体信息。已知的局限可能包括:研究结论基于特定任务与特定参与者群体,其普适性需进一步验证;元分析数据与任务态数据的整合方式可能影响推断范围。但源站未提供明确的限制说明。

【引用与许可】

源站未提供引用格式与许可条款信息。

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/1484

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

在经典的收益/损失框架效应中,将赌博描述为潜在收益或损失会分别使人们偏向于做出风险规避或风险寻求的决策。对该效应的标准解释是,框架会差异性地调节情绪过程——进而导致非理性的选择行为。在此,我们通过整合143名执行收益/损失框架任务的人类参与者的功能性磁共振成像(fMRI)数据与来自8000多项神经影像学研究的元分析数据,评估了框架偏差的来源。我们发现,与框架效应一致的选择期间的激活与静息或默认大脑相关的激活最为相关,而与框架效应不一致的选择期间的激活与任务参与大脑最为相关。我们的发现反驳了将收益/损失框架普遍解释为情绪与控制之间竞争的观点。相反,我们的研究表明,这一效应源于不同决策框架下认知参与的差异。

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。