一些MRI结构像数据资料可下载网站

最近有用户需整理可下载MRI结构像的一些公开网站,就此机会记录一下。已亲测过可用性,后面需要再持续补充。
1、开源大数据库
①OpenNeuro
https://openneuro.org/search/modality/mri?query=%7B%22modality_selected%22%3A%22MRI%22%7D
②HCP
https://www.humanconnectome.org/study/hcp-young-adult
https://github.com/davidwisniewski/fmri-extract-HCP-mask

③OASIS(Open Access Series of Imaging Studies)
https://sites.wustl.edu/oasisbrains/

④抑郁症脑影像大数据联盟
https://ibcdr.psych.ac.cn/REST-meta-MDD
https://rfmri.org/REST-meta-MDD

2、脑模板影像数据
①https://human.brain-map.org/
②https://nist.mni.mcgill.ca/atlases/
③https://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki

3、行业研究课题组及参考链接
①严超赣老师课题组输出
https://rfmri.org/DPABI
②季公俊老师的输出大作
https://github.com/jigongjun/Neuroimaging-and-Neuromodulation
③牛津计算神经科学中心
https://www.oxcns.org/aal3.html
④https://imaging.mrc-cbu.cam.ac.uk/imaging/MniTalairach

数据集来源于阿尔茨海默病神经影像学倡议(Alzheimer's Disease Neuroimaging Initiative,简称 ADNI)项目,这是一个旨在通过多模态数据(包括神经影像学、生物标志物和临床评估等)研究阿尔茨海默病及相关神经退行性疾病的大型研究项目。ADNI-4C 数据集由 Kaggle 用户 Abdullah Tauseef 重新上传并分享,以确保该数据集能够继续为相关研究提供支持。ADNI-4C 数据集包含用于阿尔茨海默病分类的脑部 MRI 扫描图像,这些图像被分为以下四个类别:阿尔茨海默病(Alzheimer's Disease,AD):包含 8960 张图像。认知正常(Cognitively Normal,CN):包含 6464 张图像。早期轻度认知障碍(Early Mild Cognitive Impairment,EMCI):包含 9600 张图像。晚期轻度认知障碍(Late Mild Cognitive Impairment,LMCI):包含 8960 张图像。这些图像涵盖了从认知正常到不同程度认知障碍以及阿尔茨海默病的各个阶段,为研究人员提供了丰富的数据资源,可用于开发和验证针对阿尔茨海默病及相关认知障碍的分类模型。多类别分类:数据集涵盖了从正常到不同程度认知障碍再到阿尔茨海默病的多个阶段,使得研究人员能够开发出能够识别不同认知状态的模型,有助于早期诊断和疾病进展监测。大规模数据:大量的 MRI 图像为深度学习模型的训练提供了充足的数据支持,有助于提高模型的准确性和泛化能力。研究与应用价值:该数据集可用于开发和验证各种机器学习和深度学习算法,以提高阿尔茨海默病的诊断准确性。此外,它还可以用于研究疾病进展的生物标志物以及探索新的治疗方法。
### 如何使用 Datalad 下载数据集 Datalad 是一种用于科学数据管理和分发的工具,特别适合处理大型和复杂的开放数据集。以下是有关如何使用 Datalad 下载数据集的具体方法: #### 安装 Datalad 在开始之前,需要确保已安装 Datalad 工具。可以通过以下命令安装它: ```bash pip install datalad ``` 或者通过 Conda 渠道安装: ```bash conda install -c conda-forge datalad ``` #### 使用 Datalad 下载数据集 假设目标是从 OpenNeuro 平台下载名为 `ds003673` 的数据集 (耶鲁静息态功能磁共振成像/瞳孔测量:觉醒研究),可以按照以下步骤操作。 1. **初始化并克隆数据集** 首先,使用 `datalad clone` 命令来获取远程数据集到本地环境。 ```bash datalad clone https://github.com/OpenNeuroDatasets/ds003673.git ds003673 ``` 2. **进入数据集目录** 进入刚刚创建的数据集目录以便进一步操作。 ```bash cd ds003673 ``` 3. **获取特定子数据** 如果不需要整个数据集,可以选择性地获取部分数据。例如,仅下载某个参与者的 fMRI 数据。 ```bash datalad get sub-* ``` 此处的通配符可以根据实际需求替换为具体的参与者编号或其他路径[^1]。 4. **验证数据完整性** 确认所下载数据是否完整无误。 ```bash datalad status ``` 以上流程展示了利用 Datalad 实现高效、灵活的数据管理方式,尤其适用于大规模公开科研数据集的应用场景。 ### 示例代码片段 下面提供了一个完整的脚本示例,演示如何自动化完成上述过程: ```python import subprocess def download_datalad_dataset(dataset_url, dataset_name): try: # Clone the dataset using Datalad subprocess.run(["datalad", "clone", dataset_url, dataset_name], check=True) # Change directory to the cloned dataset subprocess.run(["cd", dataset_name], shell=True, check=True) # Get specific parts of the dataset subprocess.run(["datalad", "get", "sub-*"], check=True) print(f"Dataset {dataset_name} has been successfully downloaded.") except Exception as e: print(f"An error occurred while downloading the dataset: {e}") # Example usage download_datalad_dataset("https://github.com/OpenNeuroDatasets/ds003673.git", "ds003673") ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值