持续与瞬态空间注意对电伤害性刺激定向与加工影响的比较
研究通过线索化伤害性刺激任务,结合 EEG 侧化活动与 ERP 分析,考察两种空间注意条件对刺激定向和加工的作用,并涉及 8 周 Mindfulness 训练是否诱导可测量变化

基本信息
资源简介
持续与瞬态空间注意对电伤害性刺激定向与加工影响的比较
Comparing the effects of sustained and transient spatial attention on the orienting towards and the processing of electrical nociceptive stimuli
该数据集来自 DANS Data Station Social Sciences and Humanities,由 R.H.J. van der Lubbe 于 2017 年发布,主题为持续与瞬态空间注意对电伤害性刺激定向与加工的影响比较。研究通过线索化伤害性刺激任务,结合 EEG 侧化活动与 ERP 分析,考察两种空间注意条件对刺激定向和加工的作用,并涉及 8 周 Mindfulness 训练是否诱导可测量变化。数据可用于注意与疼痛加工相关的脑电研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):在本研究项目中,我们考察了为期8周的正念训练是否诱导出空间注意对伤害性刺激定向与加工的可测量影响,这些影响通过EEG和SDT指标测量。我们考察了持续性与瞬态空间注意是否对电伤害性刺激的加工产生不同影响。左前臂或右前臂上相关强度(低或高)的线索化伤害性刺激要求进行脚踏板按压。在瞬态注意条件下,线索化侧在试次间变化,而在持续注意条件下,它在一系列试次中保持不变。通过聚焦侧化EEG活动来考察伤害性刺激之前的定向阶段。计算ERPs以考察空间注意对伤害性刺激加工的影响。定向阶段的结果
【主题与分类】
主题标签:Social Sciences、Sustained spatial attention、Transient spatial attention、Nociceptive electrical stimuli、ERPs、ERLs、LPS。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ssh.datastations.nl/citation?persistentId=doi:10.17026/DANS-XMH-9AWQ
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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
源站:https://doi.org/10.17026/DANS-XMH-9AWQ
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
在本研究项目中,我们考察了为期8周的正念训练是否会诱发可测量的变化,即空间注意对伤害性刺激的定向与加工的影响,并以EEG和SDT指标进行测量。我们考察了持续性空间注意与瞬态性空间注意是否对电伤害性刺激的加工产生不同影响。对左前臂或右前臂上相关强度(低或高)的线索化伤害性刺激,要求进行脚踏板按压。在瞬态注意条件下,线索化侧在试次间变化,而在持续注意条件下,其在一系列试次中保持不变。通过聚焦于偏侧化EEG活动,考察了伤害性刺激之前的定向阶段。计算ERP以考察空间注意对伤害性刺激加工的影响。定向阶段的结果显示,在瞬态和持续注意条件下,躯体感觉区上方的同侧alpha和beta功率均增加,这可能反映同侧躯体感觉区的抑制和/或对侧躯体感觉区的去抑制。
线索性伤害性刺激诱发的N130波幅大于无线索刺激,在瞬时注意和持续注意两种条件下均如此。在持续注意条件下,N180和P540成分获得了空间注意效率提高的支持证据。我们得出结论:持续性空间注意比瞬时性空间注意更为高效。接收日期:2016-11-21
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




