公平的m-BIDS:通过多式联络和公平的原则推进大脑数据的利用
Seyed Mohammad Mirhosseini1,2, Hoda Naseri1,2, Bahaareh Siahlou2,3
1Department of Data Science, Faculty of Interdisciplinary Science and Technology, Tarbiat Modarres University, Tehran, Iran.
Scientific data
|February 27, 2026
概括
公平的m-BIDS通过将独特的标识符分配给单个数据文件来增强多式脑成像数据共享. 这允许跨研究的各种数据类型的无集成,改善人工智能和神经科学研究的数据可查和可重复使用性.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 多模式数据对于准确的AI和数据科学结果至关重要.
- 目前的大脑成像数据结构 (BIDS) 的局限性阻碍了跨研究的多模式数据集成.
- 从单个主体管理各种数据类型需要专门的结构.
研究的目的:
- 引入FAIR m-BIDS (FAIR多式脑成像数据结构),以克服BIDS的局限性.
- 能够在多个研究中整合来自同一个人的多式联络数据.
- 增强大脑成像数据的FAIR原则 (可查找性,可访问性,互操作性,可重复使用性).
主要方法:
- 从数据集层面转移细节性到单个数据实体.
- 为每个大脑数据文件分配一个全球唯一标识符密钥 (GUId-Key).
- 保持与传统BIDS标准的兼容性.
主要成果:
- FAIR m-BIDS允许从不同的模式和研究中选择和整合数据项目.
- 全球标识符可方便在数据集和模式上跟踪匿名主体数据.
- 新的结构提高了数据的可查,可访问性,互操作性和可重复使用性.
结论:
- FAIR m-BIDS为管理和整合多式联络脑成像数据提供了一个强大的框架.
- 拟议的结构通过实现灵活的数据利用来支持先进的AI和神经科学研究.
- 这一进步通过加强数据共享和集成,促进了更全面和可靠的研究成果.
