ABIDE

ABIDE数据集是由埃因霍温理工大学等机构创建的，用于研究自闭症谱系障碍（ASD）与健康对照组之间的功能磁共振成像（fMRI）差异。该数据集包含900名个体的fMRI数据，经过预处理并使用独立成分分析（ICA）进行降维，以识别静息态网络（RSNs）。数据集的创建过程包括严格的数据筛选和预处理步骤，确保信号的完整性和数据的质量。该数据集主要应用于神经科学领域，旨在通过分析ASD患者的脑功能网络，揭示其神经动力学的复杂性，并为ASD的诊断和治疗提供新的见解。

The ABIDE Dataset was developed by institutions such as Eindhoven University of Technology, aiming to investigate differences in functional magnetic resonance imaging (fMRI) between individuals with Autism Spectrum Disorder (ASD) and healthy control groups. It comprises fMRI data from 900 individuals, which has been preprocessed and subjected to dimensionality reduction using Independent Component Analysis (ICA) to identify Resting-State Networks (RSNs). The dataset creation process involves strict data screening and preprocessing procedures to guarantee signal integrity and data quality. Primarily utilized in the neuroscience field, this dataset intends to analyze the brain functional networks of ASD patients, uncover the complexity of their neurodynamics, and provide novel insights for the diagnosis and treatment of ASD.

原始信息汇总

groupICAonABIDE 数据集概述

数据集结构

该数据集包含两个主要文件夹：data 和 code。

data 文件夹

• 包含双回归的输出时间序列。
• 包含组独立成分分析（group ICA）的输出成分。
• 包含支持文件。
• 更多信息可在 data 文件夹中的 readMe 文件中找到。

code 文件夹

• 包含用于预处理 ABIDE 的 Matlab 和 Python 代码。
• 更多信息可在 code 文件夹中的 readMe 文件中找到。

软件版本

• Matlab 脚本在 Matlab 2023b 中运行，使用 SPM12。
• FSL 版本 6.0 在 Windows 子系统 for Linux 中运行。

搜集汇总

数据集介绍

构建方式

ABIDE数据集的构建基于大规模自闭症fMRI数据，通过独立成分分析（ICA）方法提取静息态网络（RSNs）。研究团队从ABIDE数据库中筛选了900名个体，确保数据具有一致的重复时间（TR），并排除了使用可能影响fMRI结果的药物的个体。数据预处理包括图像配准、切片时间校正、空间归一化、平滑处理以及运动伪影的自动去除（ICA-AROMA），最终通过双回归方法获得个体特定的时空序列。

特点

ABIDE数据集的特点在于其基于ICA的维度降低方法，相较于传统的基于脑图谱的分割，ICA能够根据研究样本的数据特性进行自适应分割，避免了预设空间区域的假设。此外，数据集提供了多种预处理选项，包括不同数量的ICA成分分解，使得研究者可以根据具体需求选择合适的网络进行分析。

使用方法

ABIDE数据集可用于探索自闭症谱系障碍（ASD）与健康对照组之间的神经活动差异。研究者可以通过双回归方法获取个体特定的静息态网络（RSNs），并进行功能连接分析或有效连接分析。数据集还提供了详细的表型信息，支持基于年龄、性别、智商等变量的亚组分析，从而为个性化研究提供了灵活性。

背景与挑战

背景概述

ABIDE（Autism Brain Imaging Data Exchange）数据集是由Eindhoven University of Technology等机构的研究人员创建的，旨在通过功能磁共振成像（fMRI）技术探索自闭症谱系障碍（ASD）与健康对照组之间的神经差异。该数据集的核心研究问题是通过分析静息态网络（RSNs）来识别ASD的神经特征。ABIDE数据集的创建时间为2014年，并随着ABIDE-II的推出进一步扩展。其主要研究人员包括Sjir J.C. Schielen、Jesper Pilmeyer等，数据集的公开为全球研究者提供了大量预处理的数据，极大推动了ASD神经机制的研究。

当前挑战

ABIDE数据集在构建过程中面临多项挑战。首先，数据的选择和预处理需要确保信号的完整性和一致性，例如排除不同重复时间（TR）的扫描数据以避免信号失真。其次，临床异质性问题，如药物使用和共病情况，对fMRI结果的影响需要仔细考虑。此外，运动伪影和扫描质量问题也是数据集构建中的重要挑战，研究人员通过ICA-AROMA等方法来减少运动伪影的影响。最后，尽管ABIDE提供了丰富的预处理数据，但其基于组ICA的方法在个体层面的泛化性仍有限，这限制了其在个性化诊断中的应用。

常用场景

经典使用场景

ABIDE数据集的经典使用场景主要集中在自闭症谱系障碍（ASD）与健康对照组之间的功能性磁共振成像（fMRI）数据比较。研究者通过分析静息态网络（RSNs）的差异，探索ASD患者的神经活动模式。具体而言，ABIDE数据集支持基于独立成分分析（ICA）的静息态网络识别，从而揭示ASD患者与健康对照组在脑功能连接上的潜在差异。

衍生相关工作

ABIDE数据集的发布催生了许多相关的经典工作，特别是在自闭症谱系障碍（ASD）的神经影像学研究领域。许多研究者利用ABIDE数据集进行独立成分分析（ICA），以识别静息态网络（RSNs），并探索ASD患者与健康对照组之间的差异。这些研究不仅推动了ASD的神经基础研究，还为功能性连接分析提供了新的方法和工具。

数据集最近研究

最新研究方向

近年来，ABIDE数据集在自闭症谱系障碍（ASD）研究领域中扮演了重要角色，尤其是在功能磁共振成像（fMRI）分析方面。最新研究方向主要集中在通过独立成分分析（ICA）技术对静息态网络（RSNs）的识别与分析，以揭示ASD患者与健康对照组之间的神经活动差异。ICA方法相较于传统的基于脑图谱的分割方式，具有更高的数据驱动性和灵活性，能够更精确地捕捉到个体间的神经活动模式。此外，研究还关注如何通过ICA去除运动伪影，提高数据质量，从而为ASD的诊断和治疗提供更为可靠的神经影像学依据。这一研究方向不仅推动了ASD神经机制的理解，也为个性化医疗和精准诊断提供了新的可能性。

相关研究论文

• ICA-based Resting-State Networks Obtained on Large Autism fMRI Dataset ABIDE

  埃因霍温理工大学 · 2024年