大脑连接矩阵数据集189人低分辨率至高分辨率转换数据集-avilaqba
数据来源：互联网公开数据
标签：大脑连接,神经科学,机器学习,高分辨率,低分辨率,连接矩阵,特征向量,数据矩阵
数据概述：
本数据集包含189名受试者的大脑连接矩阵数据，旨在通过低分辨率（LR）矩阵预测高分辨率（HR）矩阵。每个受试者的大脑连接信息以160×160的对称矩阵𝐗𝑳𝑹表示，其中元素𝐗𝑳𝑹(i, j)表示大脑区域i和j之间的连接强度。目标是训练机器学习模型以实现大脑图谱的超分辨率，即根据同一受试者的低分辨率矩阵𝐗𝑳𝑹预测高分辨率矩阵𝐗𝑯𝑹（268×268）。
通过对𝐗𝑳𝑹和𝐗𝑯𝑹的非对角上三角部分向量化，生成特征向量x_𝑳𝑹 ∈ ℝ¹ × 12720和x_𝑯𝑹 ∈ ℝ¹ × 35778，分别代表单个样本的低分辨率和高分辨率连接特征。将这些样本特征向量垂直堆叠后，构建低分辨率数据矩阵𝐃𝑳𝑹 ∈ ℝ¹⁸⁹ × 12720和高分辨率数据矩阵𝐃𝑯𝑹 ∈ ℝ¹⁸⁹ × 35778。
数据用途概述：
该数据集适用于神经科学领域的研究、机器学习模型的开发与评估、大脑连接矩阵的高分辨率重建等场景。研究人员可以通过该数据集训练和测试模型，以提高大脑连接特征的预测精度；神经科学家可以利用高分辨率矩阵进一步探索大脑连接的复杂性；教育者可将数据集用于教学演示，帮助学生理解大脑连接矩阵及其应用。此外，该数据集还为数据驱动的神经科学研究提供了宝贵的数据资源。
