MPTP非人灵长类帕金森病模型的磁共振成像与基于张量的形态学研究数据
该数据集来自Dryad,包含对对照组与MPTP处理狨猴采集的离体T2加权磁共振图像,用于研究帕金森病相关的脑结构改变。数据涉及尾状核、壳核和黑质体积测量,并显示显著萎缩

基本信息
资源简介
MPTP非人灵长类帕金森病模型的磁共振成像与基于张量的形态学研究数据
Data from: Magnetic resonance imaging and tensor-based morphometry in the MPTP non-human primate model of Parkinson’s disease
该数据集来自Dryad,包含对对照组与MPTP处理狨猴采集的离体T2加权磁共振图像,用于研究帕金森病相关的脑结构改变。数据涉及尾状核、壳核和黑质体积测量,并显示显著萎缩。该数据可用于探索帕金森病的结构影像生物标志物,支持基于张量的形态学分析,帮助理解疾病进展并扩展至黑质外结构。适用于神经影像、神经退行性疾病建模及非人灵长类动物模型研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):帕金森病(PD)是第二常见的神经退行性疾病,会产生多种运动与认知缺陷,其病因在很大程度上仍属未知。黑质纹状体通路的逐渐丧失目前被认为是关键的病理事件。为了更好地理解PD的进展并改善治疗管理,在结构基础上定义该疾病并将脑分析扩展到黑质外结构是必不可少的。解剖结构的复杂性以及神经黑色素的存在,使得使用非人灵长类动物成为开发PD推定影像生物标志物的必要环节。为此,从对照和1-甲基-4-苯基-1,2,3,6-四氢吡啶(MPTP)处理的狨猴中采集了离体T2加权磁共振图像。尾状核、壳核和黑质的体积测量表明存在显著萎缩,且皮质
【主题与分类】
主题标签:Marmoset、Parkinson's disease、MRI、Deformation Based Morphometry、MPTP。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.rq2r7
使用许可:Creative Commons Zero v1.0 Universal。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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://doi.org/10.5061/dryad.rq2r7
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:
数据集大小约 153.1 MB。
数据说明
帕金森病(PD)是第二常见的神经退行性疾病,可产生多种运动与认知缺陷,其病因在很大程度上仍不明确。黑质纹状体通路的逐渐丧失目前被认为是关键的病理事件。为了更好地理解PD的进展并改进治疗管理,在结构基础上界定该疾病并将脑分析扩展至黑质外结构是必不可少的。解剖结构的复杂性以及神经黑色素的存在,使得非人灵长类动物成为开发PD推定影像生物标志物的必要要素。为此,从对照和1-甲基-4-苯基-1,2,3,6-四氢吡啶(MPTP)处理的狨猴中获取了离体T2加权磁共振图像。尾状核、壳核和黑质的体积测量表明存在显著萎缩和皮质变薄。基于张量的形态测量学为毒素对大脑造成的广泛变化提供了更全面且无假设的评估,尤其突出了区域性皮质萎缩。
结果强调了在非人灵长类模型中开发帕金森病影像学生物标志物的重要性,考虑到它们独特的神经解剖结构。进一步发展这些体内生物标志物至关重要,以提供非侵入性工具来检测症状前帕金森病,并监测可能改变疾病的治疗方法。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




