前中扣带皮层在认知运动控制中的作用
我们在此测试了 aMCC 的功能连接，采用（1）基于 100 名受试者 fMRI 扫描的 aMCC 静息态连接，以及（2）在明确任务条件下使用元分析连接建模（MACM）对 656 个影像实验进行的功能连接
基本信息
资源简介
前中扣带皮层在认知运动控制中的作用
该数据集围绕前中扣带皮层（anterior midcingulate cortex，aMCC）在认知运动控制中的作用展开，通过两种互补的分析路径考察aMCC的功能连接架构。一方面，研究者基于100名受试者的fMRI扫描数据，分析aMCC的静息态功能连接；另一方面，在明确任务条件下，采用元分析连接建模（meta-analytic connectivity modeling，MACM）方法，对656个影像实验进行整合分析。两种方法共同揭示了aMCC与 prefrontal、premotor、parietal 皮层以及前脑岛、44/45区、小脑和背侧纹状体之间汇聚性的功能网络架构。该数据集由ANIMA数据库自动导入，来源站为neurovault.org，本站归类于神经系统疾病／其他类别，版本号为1。
【数据集背景】
前中扣带皮层是扣带皮层的重要亚区，参与认知控制、运动准备与执行等过程。理解aMCC如何与大脑其他区域协同工作，是认识认知运动控制神经基础的关键。该数据集正是针对这一科学问题而构建，旨在通过静息态功能连接与任务相关元分析连接建模两条路径，刻画aMCC的功能连接网络，为相关研究提供可复用的影像数据资源。
【数据内容】
数据集的核心内容为aMCC的功能连接分析结果。静息态部分基于100名受试者的fMRI扫描，反映在无明确任务状态下aMCC与其他脑区的连接模式；任务相关部分则通过MACM对656个影像实验进行整合，反映在明确任务条件下aMCC的功能连接特征。两种分析共同指向一个汇聚性的功能网络架构，涉及前额叶、前运动皮层、顶叶皮层，以及前脑岛、44/45区、小脑和背侧纹状体等区域。
【采集与来源】
该数据集来源于neurovault.org，并由ANIMA数据库自动导入，版本为1。其静息态连接分析所依据的fMRI扫描来自100名受试者；任务相关分析则建立在656个影像实验的元分析连接建模之上。源站描述未提供受试者招募地点、扫描设备参数、实验任务类型等更细粒度的采集信息。
【适用场景】
该数据集适用于研究aMCC在认知运动控制中的功能组织，可用于考察静息态与任务态功能连接结果之间的一致性，也可作为分析aMCC与额顶叶网络、前脑岛、小脑及背侧纹状体等区域连接关系的参考数据。对于关注扣带皮层亚区功能分工、认知运动控制网络架构的研究者，该数据集具有参考价值。
【使用方法】
源站未提供具体的使用方法说明。使用者可依据数据集所包含的静息态功能连接与MACM分析结果，结合自身研究问题进行二次分析或结果比对。由于数据集为自动导入，建议使用前核对数据组织方式与分析结果的对应关系。
【质量与限制】
该数据集基于100名受试者的静息态扫描与656个影像实验的元分析建模，样本与实验数量具有一定规模，且两种方法结果呈现汇聚性，增强了结论的稳健性。但源站未提供受试者人口学特征、扫描参数、预处理流程及统计阈值等质量控制信息，使用者在解释结果时需注意这些限制。
【引用与许可】
源站未提供引用方式与许可信息。
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/834
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
我们在此使用(1)基于100名受试者fMRI扫描获得的aMCC静息态连接，以及(2)在明确任务条件下的功能连接，通过涵盖656项成像实验的元分析连接建模(MACM)来检验aMCC的功能连接。两种方法均揭示了aMCC与 prefrontal、premotor 和顶叶皮层以及前岛叶、44/45区、小脑和背侧纹状体趋同的功能网络架构。该数据集自动从ANIMA数据库导入。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。
