ds001927

该数据集包含23名健康参与者的三次rTMS-fMRI实验数据，分别针对前额叶、枕叶和颞顶控制区域进行低频(1Hz)rTMS刺激，并在刺激前后测量脑活动。数据已匿名化处理，结构T1图像已使用pydeface工具去识别化。

This dataset comprises three rTMS-fMRI experimental datasets from 23 healthy participants. Low-frequency (1 Hz) rTMS stimulation was separately administered to the prefrontal, occipital, and temporoparietal control regions, with brain activity measured both before and after each stimulation session. All data have been anonymized, and the structural T1-weighted images were de-identified using the pydeface tool.

原始信息汇总

数据集概述

数据收集

• 参与者数量：23名健康参与者
• 实验设计：参与者进行了三次随机顺序的rTMS-fMRI会话，分别在不同天进行。
• 刺激区域：前额叶（FRO）、枕叶（OCC）和颞顶控制区（CTR）
• 刺激频率：低频（1Hz）rTMS
• 数据类型：静息状态fMRI数据，包括刺激前（rest-pre）和刺激后（rest-post）的脑活动测量
• 数据处理：所有数据已匿名化，结构T1图像通过pydeface工具进行了面部移除

数据分析

• 分析代码：包含在名为“code”的文件夹中，用于数据分析的脚本和配置文件。
• 主要文件描述：
  • pipeline_config_cpac_v0.3.9.2.yml：CPAC v0.3.9.2的配置文件，用于运行预处理、功能连接（FC）、时间序列生成和局部信号分析。
  • cpac_file_processor.sh：从CPAC输出中提取和组织文件，用于统计分析（如FC、fALFF）。
  • anova_rm_spm_batch.mat：SPM的批处理配置文件，用于单因素重复测量方差分析的第二级分析。
  • spm_contrast_vis.py：通过叠加在玻璃脑图上，可视化统计显著的对比图像。
  • cons_mod_calc.m：提取由CPAC生成的时间序列，并运行共识模块性分析。
  • cons_mod_stats_vis.py：可视化和运行共识模块性分析结果的统计分析。
  • cv_classifier.py：提取特征并运行交叉验证分类。
  • sDCM.m*：对提取的时间序列运行频谱DCM分析。

搜集汇总

数据集介绍

构建方式

ds001927数据集的构建基于23名健康参与者，他们在不同日期接受了三次平衡的rTMS-fMRI实验。每次实验中，参与者分别在额叶前部（FRO）、枕叶（OCC）和颞顶叶控制区（CTR）接受低频（1Hz）重复经颅磁刺激（rTMS）。在刺激前后，使用静息态功能磁共振成像（rs-fMRI）测量大脑活动。所有数据均经过匿名化处理，结构T1图像通过pydeface工具进行去面部处理，以确保隐私安全。

特点

ds001927数据集的特点在于其多模态的实验设计，结合了rTMS刺激与rs-fMRI测量，能够揭示不同脑区在低频刺激下的功能连接变化。数据集提供了刺激前后的静息态脑活动数据，为研究脑区间的动态交互提供了丰富的信息。此外，数据集的结构化处理和分析脚本（如CPAC配置文件和SPM批处理文件）为研究者提供了便捷的分析工具，支持从预处理到高级统计分析的完整流程。

使用方法

使用ds001927数据集时，研究者可通过提供的代码文件夹中的脚本进行数据分析。CPAC配置文件（pipeline_config_cpac_v0.3.9.2.yml）可用于运行预处理、功能连接分析、时间序列生成和局部信号分析。Bash脚本（cpac_file_processor.sh）用于提取和组织CPAC输出文件，以便进行统计分析和可视化。Matlab和Python脚本（如anova_rm_spm_batch.mat和spm_contrast_vis.py）支持进一步的统计分析、模块化分析和分类任务。通过这些工具，研究者能够深入探索rTMS对大脑功能连接的影响。

背景与挑战

背景概述

ds001927数据集由23名健康参与者在不同日期接受三次平衡的rTMS-fMRI会话实验构成，旨在探索低频（1Hz）重复经颅磁刺激（rTMS）对大脑活动的影响。该数据集由Poldrack实验室等机构的研究人员创建，主要关注前额叶（FRO）、枕叶（OCC）和颞顶叶控制区（CTR）的刺激效果。通过静息态功能磁共振成像（fMRI）在刺激前后测量大脑活动，并结合结构T1图像进行匿名化处理。该数据集为研究rTMS对大脑功能连接和模块化的影响提供了重要资源，推动了神经调控领域的发展。

当前挑战

ds001927数据集的研究挑战主要集中在两个方面：其一，低频rTMS对大脑功能连接的影响机制尚未完全阐明，如何从复杂的fMRI数据中提取有效的功能连接特征并解释其生理意义是一个关键问题；其二，数据预处理和分析流程的复杂性较高，涉及多模态数据的整合、功能连接分析以及统计建模，这对算法的鲁棒性和计算效率提出了较高要求。此外，由于实验设计涉及多次会话和不同脑区的刺激，如何控制个体差异和实验条件的一致性也是构建数据集时的重要挑战。

常用场景

经典使用场景

ds001927数据集在神经科学研究中扮演着关键角色，特别是在研究重复经颅磁刺激（rTMS）对大脑功能连接的影响方面。通过结合功能磁共振成像（fMRI）技术，该数据集能够揭示不同脑区在rTMS刺激前后的活动变化，为理解大脑网络动态提供了宝贵的数据支持。

衍生相关工作

基于ds001927数据集，多项经典研究工作得以展开。例如，研究人员利用该数据集开发了新的功能连接分析方法，如共识模块化分析，这些方法不仅提高了数据分析的准确性，还为理解大脑网络的复杂性提供了新的视角。此外，该数据集还促进了跨学科合作，推动了神经调控技术的进一步发展。

数据集最近研究

最新研究方向

近年来，ds001927数据集在神经科学领域的研究方向主要集中在重复经颅磁刺激（rTMS）与功能性磁共振成像（fMRI）的结合应用上。通过低频率rTMS刺激不同脑区，研究者能够观察到刺激前后大脑静息态活动的变化，进而揭示脑区间的功能连接（FC）和局部信号特征。该数据集的分析方法涵盖了从预处理到高级统计分析的完整流程，包括功能连接分析、时间序列生成、共识模块性分析以及交叉验证分类等。这些方法不仅为理解rTMS对大脑网络的影响提供了新的视角，还为开发基于脑网络特征的分类模型奠定了基础。ds001927数据集的开放共享，推动了神经调控技术在精神疾病治疗中的应用研究，具有重要的科学和临床意义。