Background: Prior research has indicated a potential connection between psychological stress and how individuals perceive their own age. Building on this foundation, the current study explores the relationship between negative emotions and self-perceived age. Methods: We conducted a cross-sectional analysis using data from the UK Biobank, a comprehensive cohort study representing the UK population. The analysis included 347,892 participants, aged between 39 and 73 years, of which 184,765 were women, accounting for 53.1% of the sample. Participants were categorized into three groups based on their selfperceived age: feeling younger than their chronological age (group Younger), feeling older than their chronological age (group Older), and feeling as old as their actual age (group Same). To investigate the relationship between negative emotions and self-perceived age, we utilized a multinomial logistic regression model with the Younger group serving as the reference category. Results: Of 347,892 participants, after adjusted for covariates, the results showed that participants with irritability, nervous feelings, worrier/anxious feelings or fed-up feelings, worry too long and loneliness/isolation are more likely to be rated as "about your age" or "older than you are", with "younger than you are" as the reference group, indicating that negative emotions may influence one’s self-perceived age. Among those negative emotions, irritability has the most significant impact self-perceived age, with the ORs being 1.44 (95%CI: 1.35-1.54) and 1.11 (95%CI: 1.09-1.14). Conclusion: Negative emotions are associated with older self-perceived age, and irritability has the greatest impact. Further studies analyzing self-perceived age are needed to take psychological factors into consideration. Keywords: Negative Emotions; Aging; Self-Perceived Age; Multinomial Logistic Regression Analysis; UK Biobank

Abstract Recent research in computational imaging largely focuses on developing machine learning (ML) techniques for image recognition in the medical field, which requires large-scale and high-quality training datasets consisting of raw images and annotated images. However, suitable experimental datasets for cervical spine X-ray are scarce. We fill the gap by providing an open-access Cervical Spine X-ray Atlas (CSXA), which includes 4963 raw PNG images and 4963 annotated images with JSON format (JavaScript Object Notation). Every image in the CSXA is enriched with gender, age, pixel equivalent, asymptomatic and symptomatic classifications, cervical curvature categorization and 118 quantitative parameters. Subsequently, an efficient algorithm has developed to transform 23 keypoints in images into 77 quantitative parameters for cervical spine disease diagnosis and treatment. The algorithm’s development is intended to assist future researchers in repurposing annotated images for the advancement of machine learning techniques across various image recognition tasks. The CSXA and algorithm are open-access with the intention of aiding the research communities in experiment replication and advancing the field of medical imaging in cervical spine.