ds001344
收藏github2018-11-09 更新2024-05-31 收录
下载链接:
https://github.com/OpenNeuroDatasets/ds001344
下载链接
链接失效反馈官方服务:
资源简介:
这是一个fMRI实验数据集,测试了多种基本感觉和认知功能。实验包含视觉、听觉和运动试验,以及额外的眼动和记忆工作试验。数据集包括未阈值的激活图和ICC图,以及刺激代码。
This is an fMRI experimental dataset that tests a variety of basic sensory and cognitive functions. The experiment includes visual, auditory, and motor trials, as well as additional eye movement and memory working trials. The dataset includes unthresholded activation maps, ICC maps, and stimulus codes.
创建时间:
2018-07-18
原始信息汇总
数据集概述
数据来源
- 数据集来源于2018年4月进行的功能性磁共振成像(fMRI)实验。
实验目的
- 测试基本的感觉和认知功能。
实验设计
- 实验包含两个版本:
- 版本一:包含视觉、听觉和运动试验,以及眼球运动试验。
- 版本二:包含视觉、听觉和运动试验,以及工作记忆试验。
参与者
- 实验涉及15名受试者,每位受试者进行了两次相同的扫描。
数据内容
- 提供未阈值激活图和可靠性统计(ICC)图。
相关资源
- 任务的刺激代码使用PsychoPy编写,可在Figshare上获取(DOI: 10.6084/m9.figshare.5162065)。
联系方式
- 如有疑问,可联系Matt Wall(mbwall@gmail.com)。
搜集汇总
数据集介绍

构建方式
ds001344数据集的构建是基于功能性磁共振成像(fMRI)技术,针对基础感官和认知功能的实验数据。该数据集包含了两种实验变体,通过在15名受试者上实施两次相同的扫描会话,研究者能够计算可靠性统计数据(ICC)以及进行标准激活分析。
特点
本数据集的特点在于其综合了视觉、听觉和运动试验,并且两种实验变体分别纳入了眼动和 working-memory 试验。数据集提供了未设置阈值的活动地图和ICC地图,以及用于任务的心理物理学刺激代码,为相关领域的研究者提供了丰富的资源。
使用方法
使用ds001344数据集时,研究者可以访问未设置阈值的活动地图和ICC地图,这些地图有助于进行激活分析和可靠性评估。此外,实验的刺激代码也对外开放,便于研究者复现实验或进行进一步的刺激设计。如有疑问或困难,可通过电子邮件联系研究者获取帮助。
背景与挑战
背景概述
ds001344数据集,创建于2018年4月,由Jessica-Lily Harvey、Lysia Demetriou、John McGonigle及Matthew B. Wall等研究人员共同完成。该数据集源于功能性磁共振成像(fMRI)实验,旨在探究基本的感觉和认知功能。研究细节和任务方法在其发表于BiorXiv.org的预印本中有所阐述。该数据集的构建,为神经科学领域,特别是在研究人类大脑功能方面提供了宝贵的资源,对于推动相关学术研究和临床应用具有重要意义。
当前挑战
ds001344数据集在构建过程中,面临了如何准确捕捉和区分视觉、听觉、运动以及眼动和记忆工作负载等不同类型试验的挑战。同时,数据集构建者还需处理如何确保两次扫描会话的一致性和可靠性问题,这对于计算可靠性统计数据(ICC)至关重要。此外,实验设计、数据收集、处理和分析的复杂性,也对该数据集的构建提出了额外的技术挑战。
常用场景
经典使用场景
在神经科学领域中,ds001344数据集作为功能性磁共振成像(fMRI)实验的成果,广泛应用于探究基础感觉与认知功能。该数据集包含视觉、听觉、运动任务,以及两种变体分别涉及眼球运动和_working-memory_任务,为研究者提供了一个全面的平台,以深入理解大脑活动与认知过程的相互关联。
解决学术问题
ds001344数据集通过提供重复的扫描会话数据,解决了计算可靠性统计(如组内相关系数ICC)的难题,这对于评估实验结果的稳定性和可重复性至关重要。此外,该数据集的标准激活分析有助于揭示大脑区域在执行不同任务时的激活模式,进而推动认知神经科学的学术研究。
衍生相关工作
基于ds001344数据集,研究者不仅发表了关于大脑基础功能连接和认知控制的学术文章,还衍生出探讨大脑网络动态和认知任务特定激活模式的相关研究,进一步拓宽了神经科学的研究视野。
以上内容由遇见数据集搜集并总结生成



