一个跨诊断的fMRI数据集,在休息和任务状态中包含300多个深度表型的受试者
Anja Samardzija1, Xilin Shen2, Abigail S Greene3,4
1Department of Biomedical Engineering, Yale University, New Haven, CT, USA.
medRxiv : the preprint server for health sciences
|August 12, 2025
概括
耶鲁NeuroConnect数据集提供了不同任务下的不同个体的功能性MRI数据. 本资源有助于理解大脑连接及其与认知和临床措施的关系.
科学领域:
- 神经科学是一个神经科学.
- 神经成像是一种神经成像.
- 认知科学 认知科学
背景情况:
- 功能磁共振成像 (fMRI) 对于研究大脑活动至关重要.
- 静止状态fMRI是常见的,但基于任务的fMRI可能会产生更强大的预测模型.
- 了解大脑行为关系需要具有丰富表型的多样化数据集.
研究的目的:
- 介绍YaleNeuroConnect数据集,一个全面的人类fMRI资源.
- 促进对大脑分片,认知临床关系和基于大脑的测试的研究.
- 用跨诊断数据支持利用研究领域标准框架的研究.
主要方法:
- 收集了302个不同受试者的功能性MRI数据 (休息状态和6个任务条件).
- 获得了48分钟的fMRI数据和每个受试者的高分辨率3D大脑体积.
- 收集了广泛的神经心理测试和症状清单,以深入表型化.
主要成果:
- 该数据集包括功能连接体以及fMRI数据.
- 基于任务的fMRI数据在各种认知领域收集.
- 该样本具有跨诊断性,使得广泛的症状评分分析成为可能.
结论:
- 耶鲁NeuroConnect为研究大脑功能及其与行为的关系提供了宝贵的资源.
- 该数据集支持开发基于大脑的先进诊断和评估工具.
- 该资源促进了在跨诊断框架内研究精神疾病的神经支柱的研究.
