表达NT-3的嗅鞘细胞减少阿尔茨海默病大鼠模型脑Aβ1–42积累并改善认知表现的数据

数据集获取

源站：https://doi.org/10.5281/zenodo.21900683

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 103.3 KB。

数据说明

该数据集包含支持手稿图2-5中所呈现结果的数据。数据以单独文件形式提供，每个文件对应相应的图，并包含该图中所示检测和行为测试的实验结果。数据集包括评估OEC转导效率、细胞毒性和NT-3分泌的体外实验结果，以及实验性阿尔茨海默病模型中的生化和行为评估。行为数据包括旷场试验、Y迷宫、被动回避试验和Morris水迷宫的结果。生化数据包括脑组织中Aβ1–42、pTau和NT-3的ELISA测量结果。对于每个实验数据集，提供了描述性统计量，包括观察次数、最小值和最大值、百分位数、中位数、均值、标准差（SD）、均值标准误（SEM）以及适用情况下的95%置信区间。数据集还包括正态性检验和单因素方差分析（one-way ANOVA）的结果，以及相应的统计结果和p值。

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。