sherlock

Sherlock 是一个自然主义功能磁共振成像（fMRI）数据集，专为特征提取等神经影像分析任务设计。该数据集旨在研究个体在观看复杂叙事刺激时及后续回忆过程中的神经活动共享结构。数据来源于一项实验，其中 16 名受试者在扫描仪内观看了总计约 50 分钟的《Sherlock》影视片段（分为两个部分：Part1 和 Part2，扫描重复时间 TR=1.5 秒），随后在扫描仪内对叙事内容进行了口头回忆。本仓库提供的是经过 fmriprep（版本 1.2.6-1）预处理后的数据镜像。数据集采用 BIDS 格式组织，主要包含以下内容：1) 预处理后的 fMRI 数据（位于 `fmriprep/sub-XX/` 目录下，包括 `anat/`、`func/` 等子目录）；2) 实验事件起始时间文件（位于 `onsets/` 目录下，包含观看、回忆等不同条件的 onset 文件）；3) 刺激材料（位于 `stimuli/` 目录下，包括《Sherlock》Part1 视频文件 `stimuli_Sherlock.m4v` 以及从视频中提取的文本特征文件 `video_text.npy`）。该数据集适用于研究自然情境下的脑功能、记忆编码与提取、跨被试神经表征对齐等认知神经科学问题。数据可通过配套的 `dartbrains-tools` 进行便捷加载。原始研究发表于 *Nature Neuroscience*，原始未处理数据存储于 OpenNeuro（标识符 ds002345）。数据集遵循 CC-BY-NC-4.0 许可协议。Sherlock is a naturalistic functional magnetic resonance imaging (fMRI) dataset designed for neuroimaging analysis tasks such as feature extraction. It aims to investigate the shared neural activity structure in individuals during viewing of complex narrative stimuli and subsequent recall processes. The data comes from an experiment where 16 subjects watched approximately 50 minutes of Sherlock video clips (divided into two parts: Part1 and Part2, with a scan repetition time TR=1.5 seconds) inside a scanner, followed by verbal recall of the narrative content while still in the scanner. This repository provides a preprocessed data mirror using fmriprep (version 1.2.6-1). The dataset is organized in BIDS format and includes: 1) Preprocessed fMRI data (located in the `fmriprep/sub-XX/` directory, with subdirectories such as `anat/` and `func/`); 2) Experimental event onset files (in the `onsets/` directory, containing onset files for conditions like viewing and recall); 3) Stimulus materials (in the `stimuli/` directory, including the Sherlock Part1 video file `stimuli_Sherlock.m4v` and a text feature file `video_text.npy` extracted from the video). This dataset is suitable for studying brain function in naturalistic contexts, memory encoding and retrieval, cross-subject neural representation alignment, and other cognitive neuroscience questions. Data can be conveniently loaded using the accompanying `dartbrains-tools`. The original study was published in *Nature Neuroscience*, and the raw unprocessed data is stored on OpenNeuro (identifier ds002345). The dataset follows the CC-BY-NC-4.0 license.

原始信息汇总

数据集概述：Sherlock fMRI Dataset

• 数据集名称：Sherlock fMRI Dataset
• 许可证：CC-BY-NC-4.0（与上游OpenNeuro发布版本一致）
• 任务类别：特征提取（feature-extraction）
• 标签：fMRI, 神经影像, 自然刺激, 夏洛克, BIDS

数据集描述

该数据集是一个自然观看fMRI数据集，包含16名受试者在观看约50分钟《Sherlock》视频（分为Part1和Part2两个扫描run）后，在扫描仪内口头回忆故事内容时的脑部影像数据。采样重复时间（TR）为1.5秒。

数据来源与预处理

数据仓库镜像了最初通过DataLad分发的fmriprep预处理后数据集（原始数据地址：https://gin.g-node.org/ljchang/Sherlock），使用fmriprep版本1.2.6-1进行预处理。

数据集目录结构

fmriprep/sub-XX/ anat/ func/ figures/ log/ onsets/ Sherlock_Crop_Onsets.csv Sherlock_Recall_Scene_n50_Onsets.csv Sherlock_Watch_Scene_N50_Onsets.csv Sherlock_Segments_1000_NN_2017.xlsx stimuli/ stimuli_Sherlock.m4v # Part1视频（25分钟） video_text.npy # 文本特征

数据访问方式（通过dartbrains_tools）

python from dartbrains_tools.data import sherlock

bold = sherlock.get_file("sub-01", task="sherlockPart1", suffix="bold") confounds = sherlock.load_confounds("sub-01", task="sherlockPart1")

完整教程详见：https://dartbrains.org

引用信息

• 论文：Chen, J., Leong, Y., Honey, C. et al. Shared memories reveal shared structure in neural activity across individuals. Nat Neurosci 20, 115–125 (2017). DOI：https://doi.org/10.1038/nn.4450
• 原始原始数据：OpenNeuro数据集 ds002345（https://openneuro.org/datasets/ds002345）

搜集汇总

数据集介绍

构建方式

该数据集源自一项自然主义fMRI实验，16名受试者在观看约50分钟的《神探夏洛克》片段（分为Part1与Part2两段扫描序列）后，于扫描仪内口头回忆剧情内容。数据采集采用1.5秒的重复时间（TR），并经由fmriprep 1.2.6-1版本进行预处理，原始数据通过DataLad平台分发于GIN节点，同时镜像至OpenNeuro数据库（ds002345）。数据集严格遵循BIDS标准布局，包含解剖、功能、图像及日志子目录，并附带事件相关设计文件（如场景onset列表）及刺激视频与文本特征矩阵，为自然刺激下的脑活动分析提供了标准化的数据基础。

使用方法

该数据集主要通过dartbrains-tools工具包进行访问与基础分析，用户可调用sherlock.get_file函数指定受试者编号及任务标签（如‘sherlockPart1’）来获取特定BOLD图像文件，亦可使用sherlock.load_confounds加载对应的头动与生理噪声回归量。更多详细教程与完整的神经数据分析流程推荐参考dartbrains.org网站。对于高级用户，数据集BIDS格式的目录结构允许直接使用主流神经影像分析软件（如FSL、SPM或nilearn）进行定制化处理，而文本特征与事件onset文件则为自然语言处理与脑信号融合建模提供了数据接口。

背景与挑战

背景概述

在认知神经科学领域，自然刺激范式下的大脑活动记录为揭示记忆与叙事理解的神经基础提供了独特窗口。Sherlock fMRI数据集由Chen等人于2017年创建，研究团队来自普林斯顿大学等机构，核心探究个体间共享记忆的神经表征结构。该数据集包含16名被试在观看约50分钟《神探夏洛克》片段及随后口头回忆时的功能性磁共振成像数据，以1.5秒为重复时间进行采集。通过分析观看与回忆阶段的大脑活动模式，研究揭示了跨个体共享的神经结构如何支撑记忆的编码与提取，这一成果发表于《Nature Neuroscience》，对理解记忆的社会性神经机制产生了重要影响。

当前挑战

该数据集面临的首要挑战在于自然刺激范式下的数据分析复杂性，不同于传统块设计实验，连续叙事情节需要精密的模型来解析时间动态的神经反应及其与记忆内容的对应关系。其次，构建过程中需同步高精度fMRI采集与视频刺激呈现，并确保被试在扫描仪内完成长达50分钟的观看任务，这对运动伪影控制和被试配合度提出了极高要求。此外，回忆阶段的自发语言叙述需要后期繁琐的时序对齐与语义标注，以实现观看与回忆阶段神经活动的准确匹配，这些技术难题推动了自然刺激神经影像学方法论的持续发展。

常用场景

经典使用场景

Sherlock数据集是自然主义神经影像学领域的一颗璀璨明珠，广泛应用于研究大脑在自然观影和记忆回忆过程中的动态活动及其跨个体一致性。研究者常利用该数据集分析受试者在观看约50分钟《神探夏洛克》影片时的脑功能磁共振成像数据，探索叙事信息如何在大脑中逐层编码，揭示感知、理解与记忆编码在时间维度上的耦合关系。同时，通过对比观影与后续口头回忆阶段的大脑活动，该数据集为解析记忆提取过程中神经表征的重激活机制提供了独特的实验范式，成为自然刺激范式下脑功能研究不可或缺的基准资源。

解决学术问题

该数据集核心解决了自然情境下跨个体神经活动共享结构这一认知神经科学前沿问题。传统研究多依赖人工设计的孤立刺激，难以捕捉日常认知的生态效度，而Sherlock数据集通过统一、连贯的长时叙事，揭示了不同个体在感知同一复杂故事情节时，大脑高级区域（特别是默认模式网络）会出现高度一致的时间同步响应模式。这为理解人类共享心理活动如何映射为共享神经活动提供了关键证据，并推动了“互主观性”神经模型的发展，深刻影响了社会认知、记忆巩固以及自然场景下脑网络动态组织的研究范式。

实际应用

在应用层面，Sherlock数据集已成为神经影像学方法学验证与工具开发的标杆。它广泛用于评估和校准fMRI数据预处理流程、功能连接分析方案以及跨被试时间序列对齐算法。例如，基于数据提供的BIDS格式标准化整理，研究者可以便捷地测试不同去噪策略对自然刺激数据的影响，或开发模型来预测观影者基于脑活动的时间进程。此外，该数据集还服务于教育和技术领域，用于搭建神经影像分析的教学实战案例，以及启发人工智能叙事理解系统的编码机制，连接认知科学与计算建模的桥梁。

数据集最近研究

最新研究方向

sherlock数据集作为自然刺激范式下功能磁共振成像（fMRI）研究的标杆资源，其前沿方向聚焦于跨个体神经同步性与叙事理解机制的深度解析。近期热点事件包括基于该数据集开发的语义编码模型与记忆重激活分析，揭示了叙事结构如何在大脑层面引发共享神经表征。例如，利用逐秒视频特征与回忆数据，研究者得以绘制信息流从感知皮层到海马记忆系统的动态路径。该数据集的持续影响力在于为可复制性神经科学提供了高生态效度基准，不仅促进了自然语言处理与脑影像分析的交叉融合，还推动了个体间神经解码与认知状态解码的量化研究，对理解人类社会沟通的神经基础具有里程碑意义。