瞳孔关联唤醒水平决定知觉决策变异性数据集

数据集获取

源站：https://doi.org/10.5061/dryad.tb542

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 243.3 MB。

数据说明

在多个备选方案之间做出决策被认为涉及逐步积累支持每个可用选项的证据。即便对于名义上相同的刺激，这一过程也存在极大的变异性，然而决定这种变异性大小的神经认知基础却鲜为人知。在此，我们证明唤醒状态是知觉决策变异性的一个强有力决定因素。我们在人类受试者执行运动辨别任务时测量了瞳孔大小——一个高度敏感的唤醒指标，并使用一个已确立的决策过程计算模型将任务行为分解为潜在的决策参数。与先前理论描述中关于唤醒在决策若干离散方面发挥作用的规定形成直接对比，我们发现瞳孔直径与一个代表决策证据积累速率变异性的模型参数独特相关：瞳孔尺寸增大的时段，反映出唤醒增强，其特征是积累速率的变异性更大。

瞳孔直径还逐试次地与特定的行为模式相关，这些行为模式共同构成了对累积速率变异性变化的诊断依据，并解释了这一计算量上的显著个体差异。这些发现为唤醒状态如何影响决策提供了一个异常清晰的解释，并可能揭示瞳孔关联的神经调制与行为变异性之间的关系。它们还为旨在提高人们决策精确度的未来研究铺平了道路。

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。