人类皮层2-3层微环路中的有向无环突触连接
该数据集来自人类颞叶皮层脑手术样本,包含第2-3层锥体神经元的多神经元膜片钳记录,用于研究人类皮层微环路的突触连接特性。数据覆盖突触互惠性、连接概率、突触强度及网络拓扑等指标,并与啮齿类动物进行比较

基本信息
资源简介
人类皮层2-3层微环路中的有向无环突触连接
Directed and acyclic synaptic connectivity in the human layer 2-3 cortical microcircuit
该数据集来自人类颞叶皮层脑手术样本,包含第2-3层锥体神经元的多神经元膜片钳记录,用于研究人类皮层微环路的突触连接特性。数据覆盖突触互惠性、连接概率、突触强度及网络拓扑等指标,并与啮齿类动物进行比较。分析显示人类颞叶皮层上颗粒层连接呈有向且大多无环的图拓扑,互惠性随机分布,突触强度与连接概率无关。该数据可用于神经元网络建模、递归神经网络与储备池计算研究,以及探索皮层计算特性(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):神经元网络的计算能力从根本上受其特定连接方式的约束。以往关于皮层连接的研究大多在啮齿类动物中进行;然而,这些原则是否同样适用于进化上扩张的人类皮层尚不清楚。在此,我们利用脑外科手术获得的样本研究了人类颞叶皮层内的网络特性。我们分析了第2-3层锥体神经元的多神经元膜片钳记录,并发现了与啮齿类动物的实质性差异。互惠性呈随机分布,突触强度独立于连接概率,且上颗粒层颞叶皮层的连接遵循有向且大多无环的图拓扑。将这些原则应用于神经元模型增加了网络动力学的维度,表明皮层计算具有关键作用
【主题与分类】
主题标签:Recurrent neural networks、layer 2-3、patch-clamp、connectivity、cortex、Epilepsy、Network motifs、pyramidal neuron、multi-patch、temporal。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Ae5e0a8447f7deebbe9677eac7c7f6734c646ca88d6adea5155ddd9cce42bb8f3
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
神经元网络的计算能力从根本上受其特定连接方式的限制。以往关于皮层连接性的研究大多在啮齿动物中进行;然而,这些原则是否同样适用于进化上扩展的人类皮层尚不清楚。在此,我们利用脑外科手术获取的样本研究了人类颞叶皮层内的网络特性。我们分析了第2-3层锥体神经元的多神经元膜片钳记录,并发现了与啮齿动物的显著差异。互惠性呈随机分布,突触强度与连接概率无关,且颞叶皮层颗粒上层的连接性遵循有向且大多无环的图拓扑结构。将这些原则应用于神经元模型增加了网络动力学的维度,表明其在皮层计算中具有关键作用。对人类皮层组织(第2-3层)进行了锥体神经元及其单突触连接的多神经元膜片钳记录,样本来自癫痫或肿瘤切除手术。
方法学途径已在先前的技术报告中描述:Peng等,eLife 2019。该数据集的细胞和突触生理学在另一项研究中描述:Planert等,bioRxiv 2023。在本研究中,我们侧重于高阶连接性分析,包括互惠性、方向性和网络模体。我们进一步基于储层计算框架对递归神经网络进行了分析和模拟。我们的分析方法和网络模型的细节在本手稿的补充材料中描述。该存储库包含处理后的数据和代码,用于生成出版物的结果、模拟和可视化。详情请参见Readme文件。,,# 数据来源:人类第2-3层皮层微回路中的有向和无环突触连接性 ## 数据结构 \data文件夹包含预
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




