Allen Human Reference Atlas – 3D, 2020 tissue classification

该数据集将Allen Developing Human Brain Atlas的细粒度标签体积（包含约3,300个神经解剖结构）转换为9类组织分割：灰质、深部灰质、白质、脑室、脑脊液、小脑灰质/白质和脑干。它基于Allen Human Reference Atlas – 3D, 2020的本体论和标签体积，通过确定性方法从本体论中推导出组织分类，并应用于标签体积，用于组织级工作（如分割先验、配准目标和体积测量）。This dataset converts the fine-grained labeled volumetric data from the Allen Developing Human Brain Atlas, which contains approximately 3,300 neuroanatomical structures, into 9-category tissue segmentation: gray matter, deep gray matter, white matter, ventricles, cerebrospinal fluid (CSF), cerebellar gray/white matter, and brainstem. It is based on the ontology and labeled volumetric data of the Allen Human Reference Atlas – 3D, 2020. Tissue classifications were derived from the ontology via deterministic methods and applied to the labeled volumetric data to support tissue-level tasks such as segmentation priors, registration targets, and volumetric measurements.

原始信息汇总

数据集概述：Allen Human Reference Atlas 组织分类

该数据集从精细的艾伦人类发育脑图谱（Allen Developing Human Brain Atlas）的标签体积出发，将其转化为一个9类组织分割图谱，并详细记录了每个解剖结构向组织类型的分配过程。

• 核心任务：将包含约3,300个命名神经解剖结构的精细图谱，简化为9个组织类别（灰质、深部灰质、白质、脑室、脑脊液、小脑灰/白质、脑干）。该简化结果适用于组织层面的分析（如分割先验、配准目标、体积测量）。
• 数据来源：基于艾伦人类参考图谱3D，2020版（Allen Human Reference Atlas – 3D, 2020），该图谱可从 Allen Institute 下载 获取。T1图像源自MNI ICBM152 2009b非线性对称模板。

输入文件

文件	描述
voxel_count.csv	艾伦本体论文件，包含3,317个结构的信息，如ID、名称、颜色、父结构ID、结构路径及体素计数等。
map.csv	定义9个目标组织类别及其对应的数值、简称和描述。
annotation_full.nii.gz	标签体积图像，每个体素包含一个艾伦结构ID。尺寸为394×466×378，空间分辨率为0.5 mm各向同性。
mni_icbm152_t1_tal_nlin_sym_09b_hires_synthstrip_mask.nii.gz	基于SynthStrip算法生成的脑掩膜，用于空间上定义脑脊液（CSF）。

9个组织类别 (map.csv)

数值	简称	描述
0	background	未标记的体素
1	cerebrospinalFluid	脑外脑脊液（不包括脑室）
2	grayMatter	灰质组织
3	whiteMatter	白质组织
4	ventricle	脑室（脑内脑脊液）
5	cerebellarGrayMatter	小脑灰质组织
6	cerebellarWhiteMatter	小脑白质组织
7	brainStem	脑干
8	deepGrayMatter	深部灰质（皮层下/间脑核团）

分类方法

分类过程基于艾伦图谱本体论中的树状结构，遵循“最深锚点优先”原则。

• 锚点与规则：选取29个关键分支节点作为“锚点”，每个锚点与一个组织类别关联。对于一个特定结构，从其自身节点开始向上遍历其父节点路径，遇到的第一个（即最深层的）锚点决定了该结构的组织类别。
• 核心逻辑：艾伦图谱本体论本身已编码了组织划分。例如，前脑、中脑和后脑各自拥有“XX的灰质”、“XX的白质”等子分支。分类逻辑主要依据节点在树中所处的子分支位置。

完整锚点表（29个）

锚点	结构名称	映射组织	数值
FGM	前脑灰质（gray matter of forebrain）	灰质 (grayMatter)	2
CN	大脑核团（cerebral nuclei）	深部灰质 (deepGrayMatter)	8
THM	丘脑（thalamus）	深部灰质 (deepGrayMatter)	8
SubTH	底丘脑（subthalamus）	深部灰质 (deepGrayMatter)	8
HTH	下丘脑（hypothalamus）	深部灰质 (deepGrayMatter)	8
FWM	前脑白质（white matter of forebrain）	白质 (whiteMatter)	3
FV	前脑脑室（ventricles of forebrain）	脑室 (ventricle)	4
FSS	前脑表面结构（surface structures of forebrain）	灰质 (grayMatter)	2
CeS	脑沟（cerebral sulci）	脑脊液 (cerebrospinalFluid)	1
ASFV	前脑脑室邻接结构（adjoining structures of forebrain ventricles）	脑脊液 (cerebrospinalFluid)	1
fbv	前脑血管（blood vessels of forebrain）	背景 (background)	0
FTS	前脑过渡结构（transient structures of forebrain）	背景 (background)	0
MGM	中脑灰质（gray matter of midbrain）	脑干 (brainStem)	7
MWM	中脑白质（white matter of midbrain）	脑干 (brainStem)	7
MV	中脑脑室（ventricle of midbrain）	脑室 (ventricle)	4
MSS	中脑表面结构（surface structures of midbrain）	脑干 (brainStem)	7
mbv	中脑血管（blood vessels of midbrain）	背景 (background)	0
HGM	后脑灰质（gray matter of the hindbrain）	脑干 (brainStem)	7
HWM	后脑白质（white matter of hindbrain）	小脑白质 (cerebellarWhiteMatter)	6
HV	后脑脑室（ventricles of hindbrain）	脑室 (ventricle)	4
HSS	后脑表面结构（surface structures of hindbrain）	脑干 (brainStem)	7
hbv	后脑血管（blood vessels of hindbrain）	背景 (background)	0
HTS	后脑过渡结构（transient structures of hindbrain）	背景 (background)	0
CB	小脑（cerebellum）	小脑灰质 (cerebellarGrayMatter)	5
CbSS	小脑表面结构（surface structures of cerebellum）	小脑灰质 (cerebellarGrayMatter)	5
cbf	小脑裂（cerebellar fissures）	脑脊液 (cerebrospinalFluid)	1
scp	小脑上脚（superior cerebellar peduncle）	小脑白质 (cerebellarWhiteMatter)	6
xscp	小脑上脚交叉（decussation of superior cerebellar peduncle）	小脑白质 (cerebellarWhiteMatter)	6
SpC	脊髓（spinal cord）	背景 (background)	0

关键设计决策

• 脑干的统一处理：中脑、脑桥和延髓全部合并为单一的“脑干（brainStem）”类别（数值7）。
• 脑回与脑沟的区分：大脑皮层表面结构（FSS）分支下的脑回（CeG）和脑沟（CeS）被分开处理。脑回被归类为灰质（2），脑沟（脑脊液填充的蛛网膜下腔）则被归类为脑脊液（1）。
• 深部灰质：基底节、杏仁核、丘脑、下丘脑、底丘脑等皮层下/间脑核团被归类为“深部灰质（deepGrayMatter）”（8）。此范围明确限于前脑，中脑深部核团（如黑质、红核）仍归为脑干（7），小脑深部核团仍归为小脑灰质（5）。
• 海马体：因为被图谱归类在“表面结构（FSS）”分支下，而非大脑核团（CN）分支，所以被归类为灰质（2），而非深部灰质（8）。

CSF的空间定义

由于艾伦图谱的标签体积本身不包含脑脊液体素，脑脊液（类别1）的空间定义通过脑掩膜完成：所有在SynthStrip脑掩膜内（mask == 1）但未被分类（classify == 0）的体素被指定为脑脊液（1）。此操作增加了约280万个脑脊液体素。

小脑白质的来源

小脑白质（类别6）并非来自小脑（CB）下的一个特定节点，而是从后脑白质（HWM）和小脑脚（peduncles）中提取。空间验证表明，HWM的全部体素均位于小脑边界框内，其中85.5%的体素更靠近小脑质心，而非脑干。

类别分布

数值	组织类别	结构数（全部3,317个）	结构数（141个含体素）
0	background	788	0
1	cerebrospinalFluid	106	0
2	grayMatter	1,198	57
3	whiteMatter	140	8
4	ventricle	23	9
5	cerebellarGrayMatter	86	4
6	cerebellarWhiteMatter	91	4
7	brainStem	530	12
8	deepGrayMatter	355	47

使用与管线

该库提供一个完整的处理管线，通过运行 ./generate_all.sh 脚本，可自动完成从数据下载、生成脑掩膜、重标定到生成概率先验等所有步骤。也可以通过手动运行 classify_tissue.py、apply_classification.py 和 make_priors.py 等独立脚本来执行各个阶段。

搜集汇总

数据集介绍

构建方式

该数据集基于Allen Human Reference Atlas – 3D, 2020中约3,300个精细神经解剖结构标签，通过确定性映射将其简化为9类组织分割。构建核心是利用Allen脑图谱本体论中固有的树状结构层次，每个结构通过其‘structure_id_path’记录完整谱系。研究者定义了29个锚点（anchor），每个锚点对应特定解剖分支并赋予组织类别值。分类采用‘最深锚点优先’规则：遍历结构路径从自身至根节点，取首个匹配锚点的组织类别。该规则自动处理嵌套覆盖，如小脑（CB）位于后脑灰质（HGM）内，但更深锚点CB将其正确归类为小脑灰质（5）而非脑干（7）。脑脊液（CSF）类别未从本体论获取，而是利用SynthStrip脑掩膜，将掩膜内未标注体素赋值为CSF，补充了蛛网膜下腔和脑沟裂的CSF空间。最终输出一个uint32格式的标签体积（394×466×378，0.5 mm各向同性）及对应的查找表文件。

特点

该数据集具有多项核心特点。其一，分类体系科学明确，将脑组织归为9类：背景、脑脊液、灰质、白质、脑室、小脑灰质、小脑白质、脑干和深部灰质，涵盖主要神经解剖学组织类型。其二，映射逻辑基于解剖层次而非像素强度，利用本体论中‘部分-整体’关系实现从3,317个精细结构到9类的确定性降维，所有141个含体素结构均被正确归类至1-8类真实组织，无遗漏至背景类。其三，嵌套锚点机制巧妙解决了跨层次结构的分歧，如大脑皮质灰质（2）、深部灰质核团（8）和小脑结构（5-6）间的自动区分。其四，空间CSF补全策略创新性地使用SynthStrip脑掩膜填充本体论未覆盖的蛛网膜下腔，增加约280万CSF体素，确保每个组织类别均被填充。其五，每个锚点的选择均有明确解剖学合理性说明，映射规则完全透明且可复现。

使用方法

该数据集可通过一键脚本‘generate_all.sh’从零构建，自动完成下载、脑掩膜生成、重标签和先验生成等全部流程。用户也可分阶段手动执行：首先运行‘classify_tissue.py’读取体素计数CSV和映射表，解析29个锚点并构建查找表；接着执行‘apply_classification.py’利用SimpleITK重标标签体积并进行空间CSF填充；再运行‘make_priors.py’生成用于ANTs Atropos分割的概率组织先验；最后通过‘make_coarse.py’生成4类、3类等粗粒度方案。依赖环境通过‘uv run --with-requirements’自动管理Python包（SimpleITK和numpy），无需手动配置虚拟环境。输出文件包括‘tissue_map.lut’（所有节点查找表）、‘tissue_map_annotated.lut’（仅含体素节点查找表）以及多分辨率组织先验图像，可直接作为分割先验、配准目标或体积计算的输入。

背景与挑战

背景概述

艾伦人类参考图谱（Allen Human Reference Atlas – 3D, 2020）是由艾伦脑科学研究所（Allen Institute for Brain Science）于2020年发布的高分辨率三维脑图谱，旨在系统解析人类大脑的精细神经解剖结构。该图谱基于单例标本构建，标注了约3,300个命名的神经解剖结构，并通过3D体素标签体积（394×466×378，0.5毫米各向同性分辨率）提供空间定位。其主要研究人员依托艾伦研究所的长期脑图谱项目，核心研究问题聚焦于如何将精细粒度结构标签转化为适用于组织级分析（如分割先验、配准目标、体积测量）的有限类别组织分割。该数据集在计算神经科学和医学影像领域产生了深远影响，为跨模态脑影像分析提供了标准化的解剖参考框架，推动了脑图谱与机器学习方法的深度融合。

当前挑战

该数据集面临的核心挑战在于如何将约3,300个精细注释结构可靠地映射为9类组织分割，同时保持分类的解剖学合理性。首先，图谱本体本身不直接编码组织类型（如灰质、白质），需通过结构层级关系推断，但不同脑区（如中脑、小脑）的组织归属存在重叠与歧义，导致分类规则设计复杂。其次，构建过程中面临空间覆盖的挑战：图谱标注不包含蛛网膜下腔脑脊液，需借助SynthStrip脑掩膜从外部空间填充，这要求掩膜与图谱精确对齐。此外，深部灰质核团（基底节、丘脑等）与皮层灰质的区分需依赖嵌套锚点覆盖机制，而小脑白质缺乏独立节点，需从脑干白质分支中分离，导致约14.5%的边缘体素归属存在解剖学折衷。最终，仅141个带体素的结构需确保无一遗漏地分入有效组织类别，同时需应对图谱未来版本更新时ID变化对分类逻辑的冲击。

常用场景

经典使用场景

在神经影像学研究中，该数据集最经典的应用场景是作为组织级分割金标准，将艾伦人类参考图谱中逾三千个精细标注的神经解剖结构，系统性地归并至灰质、深部灰质、白质、脑室、脑脊液、小脑灰质、小脑白质及脑干等九类组织类别。研究者常以此为基础，生成概率组织先验图谱，用于ANTs Atropos等分割算法的初始化与约束，或作为配准任务的靶标，从而在个体与群体水平上实现全脑组织构成的精确量化。

解决学术问题

该数据集解决了跨模态与跨个体脑图谱分析中组织定义不一致的核心难题。通过基于本体树结构的最深锚点优先规则，它提供了从精细解剖标签到粗粒度组织类别的一一对应映射，避免了主观分类带来的歧义。其科学意义在于，为脑萎缩定量、神经退行性疾病病灶定位及发育脑图谱构建等研究提供了可重复、可验证的组织分割基准，显著提升了不同研究之间结果的比较性与整合性，推动了计算神经解剖学的标准化进程。

衍生相关工作

该数据集衍生了一系列标志性工作，主要包括三类：其一，基于其组织分类方案生成的多分辨率先验图谱，如四类（灰/白/脑脊液/脑干）与三类（脑实质/脑脊液/背景）概化版本，被广泛用于快速分割及数据增强。其二，直接引用其锚定规则的研究工作，如利用最深锚点优先逻辑自动生成新图谱的组织映射，验证了该方法的通用性与可扩展性。其三，基于其分类容积的概率图谱已被集成至多个开源神经影像工具包，如ANTs、FreeSurfer及SPM，成为组织分割模块的默认先验，影响深远。