基于体素的年龄定量分析

主题标签:神经系统疾病、脑微结构、定量磁共振成像、衰老、体素分析、独立重复、t-map。本数据集为神经系统疾病领域公开数据集,主题涵盖神经系统疾病。

neurovault
浏览 8
其他回归神经系统疾病脑微结构定量磁共振成像衰老体素分析独立重复t-map
Voxel-based quantification of age

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-11-04

资源简介

基于体素的年龄定量分析

本数据集名为 Voxel-based quantification of age,属于神经系统疾病 / 其他分类,来源于 neurovault.org。其核心内容是对 Callaghan 等人 2014 年发表于 Neurobiology of Aging 的研究进行独立重复,该原始研究揭示了定量磁共振成像所反映的人脑微结构存在广泛的年龄相关差异。本数据集即围绕衰老对人脑微结构的影响开展基于体素的定量分析。与原始研究相比,本数据集的样本年龄范围明显更窄,被限定在 18 至 39 岁之间,平均年龄为 23.6 岁。数据包含针对年龄的正对比原始 t 图,以及经 FWE 峰值校正(纳入阈值 p < 0.001,非球形校正)的统计图。所有数据来自在伦敦采集的 59 名健康、右利手受试者。该数据集适合用于脑微结构与衰老关系的独立验证、方法学比较及体素级定量分析等场景。

【数据集背景】

本数据集的主题涉及神经系统疾病、脑微结构、定量磁共振成像、衰老、体素分析、独立重复以及 t-map 等方向。其直接背景是对 Callaghan, M. F., Freund, P., Draganski, B., Anderson, E., Cappelletti, M., Chowdhury, R., ... & Lutti, A. (2014) 发表于 Neurobiology of Aging 的论文《Widespread age-related differences in the human brain microstructure revealed by quantitative magnetic resonance imaging》的独立重复。原始研究关注的是利用定量磁共振成像揭示人脑微结构中广泛的年龄相关差异,而本数据集则在此基础上,以体素为基础对年龄效应进行定量刻画。作为一项独立重复工作,该数据集的意义在于对既有发现进行再检验,而非简单复制原始样本构成。其样本在年龄上较原始研究更为受限,聚焦于 18 至 39 岁的年轻成人群体,平均年龄为 23.6 岁,这为在较窄年龄窗口内考察脑微结构与年龄的关系提供了数据基础。

【数据内容】

数据内容包括针对年龄的正对比原始 t 图,以及经过 FWE 峰值校正的统计图。其中,FWE 峰值校正图的纳入标准为 p < 0.001,并进行了非球形校正。这些统计图以体素为单位,反映的是年龄与脑微结构指标之间的定量关系。原始 t 图提供了未经过 FWE 峰值校正的对比结果,而校正后的图则用于控制多重比较带来的假阳性风险。两类图共同构成了该数据集的主要数据产品,可用于观察不同统计阈值下年龄效应的空间分布与强度。除上述 t 图和校正图之外,源站未提供更多关于数据文件格式、分辨率、模板空间或附加协变量的说明。

【采集与来源】

数据来自 59 名健康、右利手受试者,采集地点为伦敦。受试者年龄范围为 18 至 39 岁,平均年龄为 23.6 岁。该样本被明确描述为较 Callaghan 等人的原始研究更为受限。数据集的来源站为 neurovault.org,在该站分类中归属于神经系统疾病 / 其他。除上述采集地点、受试者数量、利手、健康状况与年龄信息外,源站未提供扫描设备型号、序列参数、采集时间跨度、伦理审批信息或数据预处理流程的进一步细节。

【适用场景】

该数据集适用于对脑微结构衰老效应进行独立重复验证的研究场景。由于包含原始 t 图与 FWE 峰值校正图,可用于比较不同统计校正策略下年龄相关脑微结构差异的检出情况。其年龄范围集中于 18 至 39 岁,适合考察年轻成人阶段脑微结构与年龄的关联,而不适合直接外推至更年长或更年轻的群体。此外,该数据集也可用于方法学教学、体素级定量分析流程的演示,以及作为神经影像统计图解读的示例数据。对于神经系统疾病领域,该数据可作为理解正常衰老过程中脑微结构变化的参考,但源站未提供其与具体疾病诊断或临床终点直接关联的信息。

【使用方法】

使用者可基于该数据集中的原始 t 图与 FWE 峰值校正图进行体素级统计分析结果的查看与比较。原始 t 图可用于考察年龄正对比的未校正统计结果,而 FWE 峰值校正图则可用于关注在 p < 0.001 纳入阈值及非球形校正条件下仍显著的峰值区域。由于数据以统计图形式提供,使用者通常需要借助神经影像分析工具或可视化软件将其叠加到标准脑模板上进行观察。若需开展二次分析,应注意该数据集提供的是统计图而非原始个体影像,因此无法直接用于个体层面的重新建模。源站未提供具体的数据加载步骤、软件推荐或分析代码。

【质量与限制】

该数据集的一项明确限制是样本年龄范围较窄,仅覆盖 18 至 39 岁,平均年龄 23.6 岁,较 Callaghan 等人的原始研究更为受限,因此其结论在年龄外推方面存在局限。样本量为 59 名健康、右利手受试者,且采集地点限于伦敦,源站未提供多中心或多人群验证信息。数据以 t 图和 FWE 峰值校正图形式呈现,未提供原始个体影像或完整预处理参数,这限制了对分析流程的完全复现与替代建模。此外,源站未提供关于扫描参数、数据质量评估指标、缺失数据情况或潜在混杂因素控制的说明。使用者应将这些限制纳入结果解释,避免过度推广。

【引用与许可】

该数据集是对 Callaghan, M. F., Freund, P., Draganski, B., Anderson, E., Cappelletti, M., Chowdhury, R., ... & Lutti, A. (2014) 研究的独立重复,原始文献发表于 Neurobiology of Aging,第 35 卷第 8 期,页码 1862-1872。数据来源站为 neurovault.org。除上述引用信息与来源站外,源站未提供该数据集的具体许可条款、使用限制或正式引用格式。使用者在引用或再利用时,应同时参考原始论文与来源站的相关规定。

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/1397

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

对以下研究的独立重复:Callaghan, M. F., Freund, P., Draganski, B., Anderson, E., Cappelletti, M., Chowdhury, R., … & Lutti, A. (2014). 定量磁共振成像揭示人脑微结构的广泛年龄相关差异。Neurobiology of aging, 35(8), 1862-1872。即,基于体素的量化分析衰老对脑微结构的影响。我们的样本比Callaghan等人的样本受限得多,年龄范围截取在18-39岁之间(平均年龄 = 23.6岁)。数据包括与年龄正相关的原始t图,以及经FWE峰值校正(p < 0.001纳入,非球形校正)的图。数据来自在伦敦收集的59名健康、右利手受试者。

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。