hugging-science/arc-aphasia-bids

失语症恢复队列（ARC）是一个大规模、纵向的多模态神经影像数据集，包含230名慢性中风失语症患者的多模态MRI扫描。这个HuggingFace托管的版本提供了直接通过Python访问BIDS格式数据的功能，并嵌入了NIfTI文件。数据集支持多种任务，包括病变分割、失语症严重程度预测、失语症类型分类、纵向分析、扩散分析和任务型fMRI分析。数据集结构清晰，包含详细的数据字段描述和使用示例。The Aphasia Recovery Cohort (ARC) is a large-scale, longitudinal neuroimaging dataset containing multimodal MRI scans from 230 chronic stroke patients with aphasia. This HuggingFace-hosted version provides direct Python access to the BIDS-formatted data with embedded NIfTI files. The dataset supports various tasks including lesion segmentation, aphasia severity prediction, aphasia type classification, longitudinal analysis, diffusion analysis, and task-based fMRI analysis. The dataset structure is well-organized with detailed descriptions of data fields and usage examples.

搜集汇总

数据集介绍

构建方式

失语症恢复队列（ARC）数据集是一个大规模、纵向的多模态神经影像数据集，旨在填补卒中后失语症研究中公开可用数据的空白。该数据集源自OpenNeuro平台上的ds004884项目，由南卡罗来纳大学团队经机构审查委员会批准后采集，并遵循BIDS标准进行组织。原始数据涵盖230名慢性卒中患者的902次扫描会话，包含T1加权、T2加权、FLAIR、扩散加权成像（DWI）、任务态与静息态功能磁共振成像（fMRI）等多种模态，其中228份病灶掩膜由专家手工绘制。HuggingFace版本通过Python接口直接提供嵌入NIfTI文件的BIDS格式数据，确保了多模态信息的完整性与可访问性。

特点

该数据集的核心特点在于其丰富的纵向结构与多模态整合能力。每位患者拥有1至30次不等的随访会话，支持恢复轨迹的建模分析。数据字段不仅涵盖影像数据，还包含详细的临床元数据，如失语症商数（WAB-AQ，0-100连续评分）、失语症类型分类（如布罗卡、韦尼克、命名性失语）以及人口统计学信息（年龄、性别、种族）。此外，扩散成像数据附有完整的b值和b向量梯度信息，便于进行纤维束成像与扩散模型研究。任务态fMRI细分为命名40任务与静息态，为针对性分析提供了便利。病灶掩膜覆盖228名受试者，为病变分割模型的训练与评估奠定了坚实基础。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集，使用`load_dataset('hugging-science/arc-aphasia-bids', split='train')`命令即可获取所有会话数据。每个会话以字典形式呈现，包含subject_id、session_id、多模态影像数据（以Nifti1Image列表存储）及相关临床指标。用户可按需访问特定模态，如通过`session['bold_naming40']`提取任务态fMRI数据，或结合`dwi_bvals`与`dwi_bvecs`进行扩散分析。由于数据集未预设训练/测试划分，研究者需自行实现交叉验证，确保受试者不跨分割重叠。对于大规模处理，建议逐会话迭代以避免内存溢出，并利用`select_columns`方法仅提取标量字段进行临床元数据分析。

背景与挑战

背景概述

失语症作为一种由卒中引起的语言功能障碍，严重影响了患者的社交与生活质量，其神经机制与康复轨迹的研究长期受限于高质量多模态影像数据的匮乏。2024年，由Gibson等研究者领衔、来自南卡罗来纳大学等多家机构的团队发布了Aphasia Recovery Cohort（ARC）数据集，该数据集包含230名慢性卒中后失语症患者的多模态纵向MRI扫描，涵盖T1、T2、FLAIR、任务态与静息态fMRI、弥散加权成像以及专家标注的病灶掩膜，共计902次扫描会话。ARC的诞生填补了公开大规模失语症神经影像资源的关键空白，为深入探索语言恢复的脑可塑性机制、开发自动化病灶分割与失语症严重程度预测模型提供了宝贵的标准化数据基础。

当前挑战

ARC数据集所面临的挑战首先体现在领域问题的复杂性：卒中后失语症的病灶位置、大小与语言功能损伤程度之间存在高度异质性，使得从多模态影像中精准预测失语症类型（如Broca、Wernicke失语）及其严重程度（WAB-AQ评分）成为一项艰巨任务，模型需同时整合结构、功能与扩散信息以捕获个体化的脑-行为关联。在数据构建层面，挑战则表现为多模态数据的完整性与一致性难以保证——并非所有会话均包含全部模态（如病灶掩膜仅覆盖228/230名受试者），且纵向随访次数从1次到30次不等，给时间序列建模带来稀疏与不规则问题；此外，将原始BIDS格式数据高效转换为HuggingFace格式时，需处理多运行扫描的列表化存储、梯度信息的对齐以及内存管理的优化，确保数据可复现性与大规模处理效率。

常用场景

经典使用场景

在神经影像学与失语症研究领域，ARC数据集最经典的使用场景集中于基于多模态MRI的脑卒中病灶分割与失语症严重程度预测。研究者可利用专家标注的病灶掩膜训练深度学习模型，实现自动化病灶描绘；同时结合T1、T2、FLAIR及扩散加权成像，构建回归模型以连续性的WAB-AQ评分预测语言功能损伤程度。纵向多时点数据支持恢复轨迹建模，而任务态与静息态fMRI则可用于探究语言网络的动态重组机制。

衍生相关工作

ARC数据集已催生多项衍生研究工作，包括基于U-Net架构的卒中病灶分割基准模型、结合图卷积网络的失语症亚型分类框架，以及利用循环神经网络建模语言恢复时间动态的纵向分析范式。数据集的扩散梯度信息还被用于开发多壳层纤维追踪算法，而任务态fMRI数据则支撑了语言网络有效连接分析的经典复现。这些工作不仅验证了ARC的科研价值，更拓展了其在计算精神病学与脑机接口领域的应用边界。

数据集最近研究

最新研究方向

面向卒中后失语症的纵向多模态神经影像数据集ARC，正推动语言康复机制与计算神经科学的交叉前沿。该数据集整合了230名慢性期患者的T1/T2/FLAIR结构像、任务态与静息态fMRI、弥散张量成像及专家标注的病灶掩膜，为基于深度学习的病灶分割、失语症严重程度回归与亚型分类提供了标准化基准。结合纵向随访设计（每人1-30次扫描），研究者可建模脑可塑性轨迹与语言恢复的动态演化。当前热点方向包括：利用弥散梯度信息进行白质纤维束追踪以解析语言网络重组，以及通过命名任务BOLD信号解码语义加工通路损伤。该资源的公开共享大幅降低了多中心协作门槛，有望催生从个体化预后预测到自动化康复评估的临床转化突破。