清醒小鼠听觉、触须、嗅觉与Go/No-Go范式功能磁共振数据集

数据集获取

源站：https://doi.org/10.57760/sciencedb.nb.0002t

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。

数据说明

清醒小鼠功能磁共振成像（fMRI）能够在生理相关条件下实现全脑活动映射，并为研究局部神经活动与系统级脑功能之间的关系提供了强有力的方法。然而，清醒小鼠fMRI数据的再利用往往受限于采集方案异质性、对运动的敏感性以及衍生数据报告不完整等问题。在此，我们呈现一个经过整理的精编衍生数据集，整合了在清醒小鼠中采集的听觉、触须、嗅觉以及基于气味的Go/No-Go范式数据。主要发布内容包括51条任务特异性小鼠记录和497次独特成像扫描，涵盖重复时间（TR）为0.35 s和1.5 s的配对感觉采集，以及TR = 1.5 s的Go/No-Go采集。该数据集包含整理好的预处理NIfTI图像、采集与运动侧文件、一阶统计输出、二阶汇总、图谱资源以及扫描级和受试者级质量控制表。

衍生数据通过标准化处理流程生成，该流程包括切片时间校正、重新对齐与重采样、空间平滑、运动回归、血流动力学响应的TR特异性汇总、针对TR=1.5秒采集的感觉数据的AR(0.2)一级建模，以及逐帧位移(FD)、DVARS、信噪比(SNR)和时间信噪比(tSNR)的定量评估。该数据集为跨模态感觉映射、时间分辨率比较、小鼠血流动力学响应特征描述、清醒fMRI的质量基准测试以及方法学发展提供了资源。

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。