five

ds005468|神经科学数据集|记忆研究数据集

收藏
github2024-11-25 更新2024-11-26 收录
神经科学
记忆研究
下载链接:
https://github.com/OpenNeuroDatasets/ds005468
下载链接
链接失效反馈
资源简介:
该数据集包含电影观看和叙事回忆的原始功能性MRI数据,以及相关的行为数据。这些数据用于研究海马体神经子空间中自然记忆编码和检索的协调表征。
创建时间:
2024-11-21
原始信息汇总

数据集概述

数据集名称

  • 名称: ds005468

数据集描述

  • 描述: 包含电影观看和叙事回忆的原始功能性MRI数据。

相关资源

  • 行为数据和主要分析代码: 发布在Github上,链接为 "https://github.com/somvid/Hippocampal-subspaces"。

联系信息

  • 联系人: Dasom Kwon
  • 邮箱: ektha1810@gmail.com
AI搜集汇总
数据集介绍
main_image_url
构建方式
该数据集由Dasom Kwon等人构建,旨在研究海马体神经子空间中自然记忆编码和检索的协调表征。数据集包括电影观看和叙事回忆的功能性磁共振成像(fMRI)原始数据。这些数据通过精细的实验设计和先进的成像技术获取,确保了数据的高质量和可靠性。
特点
ds005468数据集的显著特点在于其专注于海马体神经子空间的研究,提供了电影观看和叙事回忆的fMRI数据,这些数据具有高时空分辨率,能够捕捉到神经活动的细微变化。此外,数据集还包含了相关的行为数据和主要分析代码,便于研究者进行深入分析和验证。
使用方法
使用该数据集时,研究者可以下载包含fMRI原始数据和行为数据的文件,并参考GitHub上发布的分析代码进行数据处理和分析。通过这些数据,研究者可以探索海马体在记忆编码和检索过程中的神经机制,进一步验证和扩展现有的神经科学理论。
背景与挑战
背景概述
ds005468数据集由Dasom Kwon、Jungwoo Kim、Seng Bum Michael Yoo和Won Mok Shim等研究人员创建,专注于海马体神经子空间中自然记忆编码和检索的协调表征。该数据集包含了电影观看和叙事回忆的功能性磁共振成像(fMRI)原始数据,旨在深入探索人类记忆机制。通过公开这些数据,研究团队希望推动神经科学领域对记忆过程的理解,并为相关研究提供宝贵的实验数据。
当前挑战
ds005468数据集在构建过程中面临多项挑战。首先,获取高质量的fMRI数据需要精确的实验设计和严格的实验条件控制,以确保数据的可靠性和有效性。其次,数据集涉及复杂的神经科学问题,如记忆编码和检索的机制,这要求研究人员具备深厚的专业知识和技能。此外,数据集的公开和共享也面临数据隐私和伦理审查的挑战,确保参与者隐私得到充分保护。
常用场景
经典使用场景
在神经科学领域,ds005468数据集以其独特的功能性磁共振成像(fMRI)数据而著称,这些数据记录了受试者在观看电影和回忆叙事时的脑部活动。通过分析这些数据,研究人员能够深入探讨海马体在自然记忆编码和检索过程中的作用,特别是在神经子空间中的协调表征。这种经典的使用场景为理解记忆机制提供了宝贵的实验依据。
衍生相关工作
基于ds005468数据集,已经衍生出多项经典工作。例如,研究人员利用这些数据开发了新的神经影像分析算法,显著提高了对海马体活动的解析精度。此外,还有研究探讨了记忆编码和检索过程中不同脑区的协同作用,为理解记忆的神经机制提供了新的视角。这些衍生工作不仅丰富了神经科学的知识体系,还为未来的研究提供了新的方向。
数据集最近研究
最新研究方向
在神经科学领域,ds005468数据集聚焦于海马体神经子空间中自然记忆编码与检索的协调表征。最新研究方向主要集中在利用功能性磁共振成像(fMRI)技术,分析电影观看及叙事回忆过程中的神经活动模式。该数据集不仅提供了原始的fMRI数据,还包含了相关的行为数据和主要分析代码,为深入探讨记忆机制提供了宝贵的资源。这些研究成果对于理解记忆的神经基础、开发新的记忆干预策略具有重要意义,同时也为神经科学研究提供了新的视角和方法。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国车牌识别数据集(7类,33万张)

这是一个高质量、平衡的中国车牌识别数据集,包含了33万张各类中国车牌的图片。数据集经过精心设计,确保了图像质量的优秀和大部分各类车牌类型的平衡分布。这个数据集非常适合用于训练和评估车牌识别模型。

魔搭社区 收录

poi

本项目收集国内POI兴趣点,当前版本数据来自于openstreetmap。

github 收录

中国1km分辨率逐月降水量数据集(1901-2023)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2023.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

Fruits-360

一个高质量的水果图像数据集,包含多种水果的图像,如苹果、香蕉、樱桃等,总计42345张图片,分为训练集和验证集,共有64个水果类别。

github 收录