正常认知帕金森病白质改变先于灰质萎缩的数据
该数据集来自 Dryad,包含 20 名无认知障碍的帕金森病患者与 21 名健康对照的 3T MRI 数据,包括高分辨率 T1 加权图像和 60 方向扩散加权图像

基本信息
资源简介
正常认知帕金森病白质改变先于灰质萎缩的数据
Data from: White matter alterations in Parkinson's disease with normal cognition precede grey matter atrophy
该数据集来自 Dryad,包含 20 名无认知障碍的帕金森病患者与 21 名健康对照的 3T MRI 数据,包括高分辨率 T1 加权图像和 60 方向扩散加权图像。研究计算了皮质、深部灰质与白质的体积和密度,以及白质扩散属性,并针对疾病起源侧翻转数据重复分析。数据可用于探究帕金森病早期白质改变与灰质萎缩的关系,支持基于影像的分类或回归分析(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):引言:虽然进展性 MRI 脑变化是晚期帕金森病(PD)的特征,但关于该病最早阶段(即具有运动症状且认知正常的患者)的结构改变知之甚少。我们的研究旨在检测无认知障碍的 PD 患者的灰质(GM)和白质(WM)变化。方法:对 20 名 PD 患者和 21 名健康对照(HC)进行了注意力、执行功能、工作记忆以及视空间和语言领域的测试。采集了高分辨率 T1 加权和 60 方向扩散加权 3T MRI 图像。计算了皮质、深部 GM 和 WM 的体积和密度,以及 WM 的扩散属性。对翻转至疾病起源侧的数据重复了分析。结果:PD 患者与 HC 在认知方面未显示出任何显著差异
【主题与分类】
主题标签:Homo Sapiens、MRI data。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.b4q8k
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.b4q8k
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 4.87 GB。
数据说明
引言:尽管进行性MRI脑改变是晚期帕金森病(PD)的特征,但对该病最早阶段,即具有运动症状且认知正常的患者的结构改变知之甚少。我们的研究旨在检测无认知障碍PD患者的灰质(GM)和白质(WM)变化。方法:对20名PD患者和21名健康对照(HC)进行了注意力、执行功能、工作记忆以及视空间和语言领域的测试。采集了高分辨率T1加权和60方向扩散加权3T MRI图像。计算了皮层、深部GM和WM的体积和密度,以及WM的扩散特性。对翻转至疾病起源侧的数据重复进行了分析。结果:PD患者在认知功能或脑体积方面与HC没有显著差异。在右侧(p<0.02)和左侧(p<0.01)翻转数据中,发现左侧顶上小叶的GM强度降低。
对原始未翻转数据的分析显示,与健康对照组相比,帕金森病患者左半球的上放射冠和前放射冠、内囊及外囊的轴向扩散率升高(p<0.01),而利用翻转数据发现,额颞叶白质右侧(分别为p<0.02和p<0.03)和左侧(分别为p<0.02和p<0.02)的平均扩散率和径向扩散率较高。结论:无认知障碍和灰质萎缩的帕金森病患者表现出广泛的白质微结构改变。因此,帕金森病中的白质损伤可能是相关灰质区域神经元丢失之前的敏感标志。
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。




