摘要
在神经发育研究中，要推进对神经影像生物标志物的理解，需要结构化且文档完善的数据集，以支持可重复性和比较分析。本数据集包含来自自闭症脑影像数据交换（Autism Brain Imaging Data Exchange, ABIDE II）数据库的扩散磁共振成像（diffusion MRI）衍生测量数据，涵盖自闭症谱系障碍（ASD）组和对照组在多个脑区的各向异性分数（fractional anisotropy, FA）、轴向扩散率（axial diffusivity, AD）、平均扩散率（mean diffusivity, MD）和径向扩散率（radial diffusivity, RD），并关联唯一的图像标识符。数据通过标准化的图像采集和计算处理流程生成，从而得到统一处理且可重复的定量区域特异性指标，以便于横断面比较研究。该数据集具有明确的元数据、详细的变量描述和完整的病例记录，以支持程序化访问和自动化工作流。数据集附带数据可视化和协调（harmonization）代码。此资源通过不同的分析方法，包括假设检验、机器学习和荟萃分析，支持研究白质微观结构特性与自闭症之间的关系。其结构化格式和透明文档促进了其在其他神经影像研究中的重用。FAIR2Data 门户：https://www.doi.org/10.71728/senscience.dbrh-5zc8.
1 引言
稳健且可重复的数据资源是推进神经系统及发育障碍的客观识别、表征和管理的基础。在神经影像学和自闭症谱系障碍（ASD）等神经发育状况的背景下，对数据结构、测量方法和相关元数据的透明文档记录对于支持二次分析和实现与机器学习工作流的集成至关重要。随着研究界寻求既支持传统统计方法又支持现代人工智能（AI）驱动分析的可互操作资源，同时对方法学局限性、变量定义和来源进行透明评估，此类数据集的详细标注和管理变得日益重要。
本数据文章提供的数据集包含从扩散张量成像（diffusion tensor imaging, DTI）扫描处理中衍生的定量脑白质测量数据，并对 ASD 或对照组的成员身份进行了受试者级别的标注。数据源自公开可用的自闭症脑影像数据交换（ABIDE II）仓库（1）的一个子集，代表三个采集站点，并依据已记录在案的影像和后处理协议（2）进行了统一处理。对于每个个体，在由 JHU ICBM-DTI-81 神经解剖图谱（3）定义的 25 个白质感兴趣区内，提取空间聚合的 DTI 特征——包括各向异性分数（FA）、平均扩散率（MD）、轴向扩散率（AD）和径向扩散率（RD）。图像标识符和组别指定等人口学变量将每条记录锚定在主 ABIDE II 数据库中，支持链接到该数据库中的原始神经影像文件、主要元数据和补充临床信息。
处理 ABIDE II 数据库神经影像数据的结果，也对科学界开放，包括预处理连接组计划（Preprocessed Connectome Project, PCP; http://preprocessed-connectomes-project.org/abide/），该计划使用功能性和结构性磁共振成像（MRI）数据；以及一个额外的数据集，包含正则化降维算法修改后的输出，即修改的局部线性嵌入（modified locally linear embedding, MLLE），其中包含由功能性磁共振成像（fMRI）测量的量子涨落（https://fcon_1000.projects.nitrc.org/indi/abide/LLE_home.html）。大规模策展扩散磁共振成像自闭症研究数据（Large-Scale Curated Diffusion MRI Data for Autism Research, LADDER）项目（https://www.nitrc.org/projects/abide2-dwi-bids/）根据脑影像数据结构（Brain Imaging Data Structure, BIDS; 4）组织 ABIDE II 的 DTI 数据，但缺乏这些数据的现成扩散参数。希望使用这个丰富且特征明确的 ABIDE II 数据集中 DTI 数据的研究人员，需要具备计算资源、技能和时间来处理图像，然后检查并验证处理结果，而在可用的项目时间框架和资金内，或在发展中国家教育机构的计算资源条件下，这可能并不总是可行的。这些局限性可能会严重影响并偏倚自闭症研究以及 ABIDE II DTI 数据的可用性。
本数据集为 150 名受试者（87 名 ASD，63 名对照）提供了一组一致解剖标记区域内空间分辨的有效神经影像衍生特征（即逗号分隔文件中的表格值），并附带允许评估集中趋势、离散程度和数据完整性的统计数据。数据结构和代码表条目遵循 schema.org 和 MLCommons Croissant v1.0 规范，以促进 AI 就绪性、互操作性和重用。所有特征构建和处理步骤——包括分割、扩散参数计算和区域级聚合——均已记录在案，并可通过 Cárdenas-Hernández 等人（2）描述的软件和方法进行重现。此外，关于采集站点、图像标识符和预处理流程的信息确保了可追溯性和方法学透明性。
通过根据可发现、可访问、可互操作、可重用、AI 就绪性和负责任 AI（FAIR2）原则提供严格描述的数据集，此资源旨在支持假设驱动的研究、分类算法的基准测试以及用于 ASD 神经影像学的负责任 AI 应用开发。通过明确定义数据来源、处理和变量语义，该数据集旨在促进二次数据分析……
[中间内容省略]
代码 04.06.42.22）和古巴核能与先进技术局（Agency for Nuclear Energy and Advanced Technology of Cuba, AENTA，项目代码 PS211LH02-081）。Row Fogo 慈善信托（资助号 BRO-D.FID3668413）和爱丁堡大学提供了额外资金。
致谢
机构支持由拉斯维利亚斯“玛尔塔·阿布雷乌”中央大学（Universidad Central “Marta Abreu” de Las Villas）、女王大学（Queen’s University）、哈瓦那同位素中心（Center of Isotopes, Havana）和爱丁堡大学提供。数据收集和处理涉及这些机构之间的合作以及 ABIDE II 公共神经影像数据库的使用。
利益冲突
作者声明，本工作的进行不存在任何可能被解释为潜在利益冲突的商业或财务关系。
作者 MV 声明，在投稿时，他们是《前沿》（Frontiers）的编辑委员会成员。这没有影响同行评审过程和最终决定。
生成式 AI 声明
作者声明，在撰写本手稿时使用了生成式 AI。本工作在由 Senscience 支持的《前沿》FAIR2 数据管理平台（v1.0.15）的协助下完成，该平台使用生成式 AI 技术。因此，在《前沿》FAIR2 数据管理平台内对文档和结果（即统计数据、数据字典）的呈现，以及在平台中对数据的探索，均由 AI 执行。作者已审查并批准所有内容，并对其作者身份和准确性承担全部责任。
本文图表旁提供的任何替代文本（alt text）均由《前沿》在人工智能支持下生成，并已尽合理努力确保准确性，包括在可能的情况下由作者进行审查。如果您发现任何问题，请联系我们。
出版商声明
本文表达的所有观点均为作者个人观点，不一定代表其所属机构、出版商、编辑或审稿人的观点。本文可能评估的任何产品，或其制造商可能提出的任何主张，均未经出版商保证或认可。
补充材料
本文的补充材料可在网上找到：https://www.frontiersin.org/articles/10.3389/fpsyt.2026.1819266/full#supplementary-material
参考文献
摘要
关键词
轴向扩散率，描述性统计，各向异性分数，图像 ID，平均扩散率，测量，径向扩散率
引用
Cardenas-Hernandez NA, Perez-Diaz M, García-Ramó KB and Valdés Hernández MC (2026) Diffusion tensor imaging measurements for computer-aided diagnosis of autism: derived data from ABIDE II. Front. Psychiatry 17:1819266. doi: 10.3389/fpsyt.2026.1819266
接收日期
2026年3月2日
修订日期
2026年7月31日
接受日期
2026年8月11日
发表日期
2026年9月10日
卷号
17 - 2026
审稿人
Tommy Boshkovski, Brainster Next College, 北马其顿
Bindiya Varghese, Rajagiri College of Social Sciences, 印度
更新
版权
© 2026 Cardenas-Hernandez, Perez-Diaz, García-Ramó and Valdés Hernández.
这是一篇根据知识共享署名许可（CC BY）条款分发的开放获取文章。允许在其他论坛中使用、分发或复制，前提是注明原作者和版权所有者，并按照公认的学术惯例引用本文在本期刊中的原始出版。任何不遵守这些条款的使用、分发或复制均不被允许。
*通讯作者：Maria del C. Valdés Hernández, m.valdes-hernan@ed.ac.uk
一句话读懂：该数据集提供来自ABIDE II数据库的150名受试者（87名自闭症谱系障碍患者，63名对照组）经统一处理后的25个脑区白质扩散磁共振成像指标，旨在支持自闭症相关神经影像学的可重复研究与人工智能分析。
推进神经发育研究中的神经影像生物标志物理解，需要结构清晰、记录完善的数据集以支持可重复性和比较分析。在自闭症谱系障碍（ASD）等神经影像与神经发育状况的研究中，透明记录数据结构、测量方法及元数据对于支持二次分析和整合机器学习工作流至关重要。随着研究界寻求既支持传统统计方法又支持现代人工智能驱动分析的可互操作资源，详细标注和保管此类数据集变得日益重要，同时需确保对方法局限性、变量定义及数据溯源的透明评估。
该数据集包含源自扩散张量成像（DTI）扫描处理的定量脑白质测量数据，并对ASD或对照组身份进行了受试者水平标注。数据取自公开的自闭症脑成像数据交换（ABIDE II）仓库的一个子集，代表三个采集站点，并依据已记录的成像及后处理协议进行统一处理。对于每个个体，在由JHU ICBM-DTI-81神经解剖图谱定义的25个白质感兴趣区内，提取空间聚合的DTI特征，包括各向异性分数（FA，反映白质纤维束方向一致性）、平均扩散率（MD）、轴向扩散率（AD）和径向扩散率（RD）。图像标识符和分组标签等人口学变量将每条记录锚定在主ABIDE II数据库中，支持链接到原始神经影像文件、主要元数据及补充临床信息。
该数据集为150名受试者（87名ASD，63名对照组）提供了一组一致解剖标签区域内空间解析的神经影像衍生特征（即逗号分隔文件中的表格数值），并附带允许评估集中趋势、离散度和数据完整性的统计数据。数据结构及代码表条目遵循schema.org和MLCommons Croissant v1.0规范，以促进人工智能就绪性、互操作性和重用。所有特征构建和处理步骤——包括分割、扩散参数计算和区域水平聚合——均通过Cárdenas-Hernández等人描述的软件和方法进行了记录并可重复。此外，采集站点、图像标识符和预处理流水线信息确保了可追溯性和方法透明度。
通过提供符合可发现、可访问、可互操作、可重用、人工智能就绪及负责任人工智能（FAIR2）原则的严谨描述数据集，该资源旨在支持假设驱动的研究、分类算法基准测试以及ASD神经影像学中负责任人工智能应用的发展。通过明确定义数据溯源、处理及变量语义，该数据集旨在促进二次数据分析，并因其结构化格式和透明文档而促进其在其他神经影像研究中的重用。