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。
### 结构MRI数据预处理概述 结构MRI数据预处理旨在优化图像质量并减少噪声和其他伪影的影响,从而提高后续分析的准确性。这一过程通常涉及多个步骤,包括但不限于去除不需要的组织(如头皮、颅骨)、校正磁场不均匀性和运动伪影等。 #### 去除非脑组织 为了专注于大脑本身,在许多情况下需要移除非脑部组织。一种常用的技术是基于FSL-BET算法实现自动化的头骨剥离操作[^3]。该技术能够有效地分离出脑实质部分,排除周围软组织干扰,为后续定量测量提供纯净的目标区域。 ```bash bet input_image output_image -R -f 0.5 -g 0 ``` 上述命令展示了如何利用BET执行简单的去头骨任务;其中`input_image`代表原始T1加权像文件路径名,而`output_image`则是经过处理后的目标图片保存位置。参数选项可以根据实际需求灵活调整以获得最佳效果。 #### 图像配准与标准化 另一个重要环节是对不同个体间获取到的大脑形态差异加以统一描述——即空间变换至标准模板空间内完成坐标系转换工作。ANTs是一个广泛应用于医学影像领域内的开源软件包,它支持多种模态间的刚体/仿射以及弹性形变场估计等功能[^1]。 ```python import ants fixed = ants.image_read('template.nii.gz') moving = ants.image_read('subject_T1w.nii.gz') out_reg = ants.registration(fixed=fixed , moving=moving, type_of_transform='SyN' ) ants.image_write(out_reg['warpedmovout'], 'registered_subject.nii.gz') ``` 此段代码片段说明了通过PyANTS接口调用ANTs库来进行两幅三维体积之间的非线性配准流程,并最终输出已注册过的受试者图像。 #### 质量控制评估 在整个预处理过程中实施严格的质量监控措施至关重要。fmriprep项目不仅限于功能性成像序列的支持,同样适用于结构性扫描类型的数据集准备阶段。其内置了一系列自动化QC报告生成功能模块,有助于研究人员及时发现潜在问题所在并采取相应补救策略。 ```yaml version: "3" services: fmriprep: image: poldracklab/fmriprep:latest volumes: - ./data:/data:ro - ./out:/out command: > /data/bids_dataset /out participant --participant-label sub-XX --fs-no-reconall --skip_bids_validation ``` 这段Docker Compose配置文件定义了一个运行环境来启动最新版本的FMRIprep容器化应用程序,针对特定参与者编号(`sub-XX`)执行完整的结构MRI预处理管线作业,同时禁用了FreeSurfer重建步骤和BIDS验证检查项。
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