UCLA Consortium for Neuropsychiatric Phenomics LA5c Study

该数据集是UCLA神经精神表型联盟LA5c研究的一部分，提供了经过预处理的数据，包括参与者信息、扫描数据及其衍生文件。数据集详细记录了扫描参数、生理记录、任务事件等，并提供了数据可视化和质量控制的结果。

This dataset is part of the UCLA Neuropsychiatric Phenomics Consortium LA5c study, providing preprocessed data that includes participant information, scan data, and derived files. The dataset meticulously documents scan parameters, physiological recordings, task events, and offers results of data visualization and quality control.

原始信息汇总

数据集概述

数据集名称

UCLA Consortium for Neuropsychiatric Phenomics LA5c Study

数据来源

数据集来源于Gorgolewski KJ, Durnez J和Poldrack RA的预处理数据，详细描述见F1000Research 2017, 6:1262。

数据访问

数据集可通过以下链接访问：

• https://legacy.openfmri.org/dataset/ds000030/
• s3://openneuro/ds000030/ds000030_R1.0.5/uncompressed/derivatives/

参与者信息

参与者信息包含在participants.tsv文件中，包括参与者ID、人口统计信息以及每个参与者包含的扫描信息。

数据集衍生品

数据集的衍生品存放在/derivatives目录下，包含以下内容：

1. Final_Scan_Count.pdf - 显示整体扫描包含情况的图表。
2. parameter_plots/ - 包含多个扫描参数随时间变化的，颜色编码表示不同的成像站点。
3. physio_plots/ - 包含呼吸暂停和静息状态功能扫描的生理记录轨迹图。
4. event_plots/ - 功能任务事件文件的简单图表。
5. mriqc/ - MRI质量控制协议的输出，包括解剖和功能协议的数值结果及单个参与者与群体分布的对比图。
6. data_browser/ - MRIQP的基本数据可视化工具。

扫描特定说明

• 所有扫描文件使用dcm2niix从扫描器DICOM文件转换而来。
• 额外的DICOM元数据使用GDCM提取并合并成每个扫描的.json侧车文件。
• 关于扫描和任务时间的说明：大多数情况下，触发时间已转移到_bold.json文件的TaskParameter部分。

解剖扫描

• T1w解剖扫描使用freesurfer的mri_deface进行去识别化处理。

任务特定说明

• PAMenc/PAMret：由于早期研究中的任务设计变更，之前收集的数据被排除。
• 停止信号任务包括训练任务（无MRI）和MRI内的fMRI任务。

已知问题

约20%的T1加权图像显示由耳机可能产生的混叠伪影，该伪影表现为可能覆盖一个或两个颞叶的鬼影。受影响的参与者列表已添加到数据集中。

搜集汇总

数据集介绍

构建方式

UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集的构建过程涉及多个关键步骤。首先，原始数据通过dcm2niix工具从DICOM格式转换为NIfTI格式，并利用GDCM提取额外的DICOM元数据，形成每个扫描的.json辅助文件。此外，T1加权图像使用freesurfer的mri_deface工具进行去识别处理，以确保数据隐私。数据集还包含了对扫描参数、生理记录和任务事件的详细记录，并通过MRIQCP进行质量控制，确保数据的准确性和一致性。

特点

该数据集的特点在于其全面性和多样性。数据集涵盖了丰富的神经影像数据，包括T1加权解剖图像、功能磁共振成像（fMRI）以及多种认知任务的数据。每个受试者的扫描数据均附有详细的元信息，如扫描参数、生理记录和任务事件时间。此外，数据集还提供了对扫描质量的详细评估，包括MRIQCP的输出结果，帮助研究者快速识别数据中的潜在问题。数据集还特别标注了已知的T1加权图像中的伪影问题，为研究者提供了额外的参考信息。

使用方法

使用UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集时，研究者可以通过Amazon Web Services S3协议或OpenNeuro平台获取数据。数据集的结构清晰，包含多个子文件夹，如/derivatives文件夹中提供了扫描参数的汇总信息、生理记录图和任务事件图等。研究者可以利用这些汇总信息快速了解数据的整体情况。对于具体的扫描数据，每个扫描文件均附有.json辅助文件，提供了详细的元信息。此外，数据集还提供了MRIQCP的质量控制结果，帮助研究者评估数据的质量。通过结合这些信息，研究者可以有效地进行神经影像数据的分析和研究。

背景与挑战

背景概述

UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集由Gorgolewski KJ、Durnez J和Poldrack RA等研究人员于2017年发布，旨在为神经精神表型学研究提供高质量的预处理数据。该数据集通过OpenNeuro平台和Amazon Web Services S3协议公开，涵盖了丰富的神经影像数据，包括功能性磁共振成像（fMRI）和结构性磁共振成像（sMRI）。其核心研究问题聚焦于神经精神疾病的表型特征及其神经机制，为相关领域的研究提供了重要的数据支持。该数据集在神经科学和精神病学领域具有广泛的影响力，推动了多模态神经影像数据的标准化和共享。

当前挑战

UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集在解决神经精神疾病表型特征研究问题时，面临多方面的挑战。首先，神经影像数据的采集和处理涉及复杂的协议和技术，确保数据的一致性和质量是核心难题。其次，数据集构建过程中，部分扫描数据因任务设计变更而被排除，导致数据完整性受到一定影响。此外，部分T1加权图像存在伪影问题，可能干扰后续分析。这些挑战不仅要求研究者在数据采集和处理中保持高度严谨，也凸显了神经影像数据标准化和质量控制的必要性。

常用场景

经典使用场景

UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集在神经精神表型学研究中具有重要地位，常用于探索神经精神疾病的生物学基础。研究者通过该数据集中的功能性磁共振成像（fMRI）数据，分析不同任务下大脑活动的变化，揭示精神分裂症、抑郁症等疾病的神经机制。数据集中的多模态数据为跨学科研究提供了丰富的资源，推动了神经科学与精神医学的交叉融合。

衍生相关工作

基于该数据集，许多经典研究工作得以展开。例如，Gorgolewski等人利用该数据集开发了MRI质量控制协议（MRIQC），为神经影像数据的标准化处理提供了工具。此外，Bischoff-Grethe等人提出的结构MRI图像去识别技术也在该数据集中得到应用，保护了受试者的隐私。这些衍生工作不仅提升了数据的使用价值，也为神经影像学领域的技术创新提供了重要参考。

数据集最近研究

最新研究方向

在神经精神表型学领域，UCLA Consortium for Neuropsychiatric Phenomics LA5c Study数据集为研究者提供了丰富的预处理神经影像数据，涵盖了多种功能性磁共振成像（fMRI）任务和生理记录。近年来，该数据集在探索神经精神疾病的生物标志物和神经机制方面发挥了重要作用。研究者们利用该数据集进行多模态数据分析，结合机器学习算法，试图揭示精神分裂症、抑郁症等复杂精神疾病的潜在神经环路异常。此外，数据集中的生理记录和任务事件文件为研究者在任务态fMRI分析中提供了精确的时间校正，进一步提高了数据分析的准确性。随着神经影像技术的不断进步，该数据集在个性化医疗和精准精神病学中的应用前景愈发广阔，为开发新的诊断工具和治疗方法提供了重要支持。