后青春期区域白质体积与微结构变异:1713名大学生横断面研究
该数据集来自 MRi-Share 多模态脑 MRI 数据库,包含 1,713 名 18 至 26 岁大学生的多壳层高角分辨率扩散加权成像(DWI)数据,用于研究后青春期阶段白质体积与微结构的区域变化

基本信息
资源简介
后青春期区域白质体积与微结构变异:1713名大学生横断面研究
Variations in regional white matter volumetry and microstructure during the post-adolescence period: a cross-sectional study of a cohort of 1,713 university students
该数据集来自 MRi-Share 多模态脑 MRI 数据库,包含 1,713 名 18 至 26 岁大学生的多壳层高角分辨率扩散加权成像(DWI)数据,用于研究后青春期阶段白质体积与微结构的区域变化。数据覆盖白质体积及扩散张量成像(DTI)衍生指标,可分析年龄和性别依赖性,适用于脑白质发育成熟过程的横断面研究及神经影像方法学探索(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):人类脑白质经历持续到成年期的漫长成熟过程。扩散加权成像(DWI)方法的最新进展使得详细表征白质微结构架构成为可能,并越来越多地用于研究发育和衰老过程中的白质变化。然而,关于后青春期阶段白质微结构架构的晚期成熟变化所知相对较少。本文报告接受大学教育的年轻成人中白质体积和微结构的区域变化。作为 MRi-Share 多模态脑 MRI 数据库的一部分,在 1,713 名 18 至 26 岁大学生的独特样本中采集了多壳层、高角分辨率 DWI 数据。我们评估了扩散张量成像(DTI)衍生扩散指标的年龄和性别依赖性
【主题与分类】
主题标签:Neuroimaging、diffusion MRI、Brain MRI。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Aa7f0b92441e5f680ecfd4093de30428464d124acad9a1358c65a3297675900d0
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
人脑白质经历一个持续延伸至成年期的漫长成熟过程。扩散加权成像(DWI)方法的最新进展使得能够详细表征白质的微结构架构,并且这些方法正日益被用于研究发育和衰老过程中的白质变化。然而,关于青春期后白质微结构架构的晚期成熟变化,目前所知相对较少。本文报告了接受大学教育的年轻成人中白质体积和微结构的区域变化。作为MRi-Share多模态脑MRI数据库的一部分,我们在1,713名年龄18至26岁的大学生这一独特样本中采集了多壳层、高角分辨率DWI数据。我们评估了从扩散张量成像(DTI)和神经突方向离散度与密度成像(NODDI)衍生的扩散指标在白质区域中对年龄和性别的依赖性,这些区域定义为……
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。




