具有相似行为与不同电导密度的神经模型电流可视化数据

数据集获取

源站：https://doi.org/10.5061/dryad.d0779mb

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 461.8 MB。

数据说明

基于电导的神经活动模型会产生大量难以可视化和解释的数据。我们引入了可视化方法，用于展示离子电流的动态以及模型对扰动的响应。为了可视化电流动态，我们计算每个电流的贡献百分比，并使用堆叠面积图将其随时间的变化显示出来。当模型受到扰动时，膜电位的波形和每个电流的贡献都会发生变化。为了表示这些变化在一系列扰动控制参数下的情况，我们计算并显示这些波形的分布。我们通过六个爆发式放电模型神经元的例子来说明这些流程，这些神经元活动相似，但其电导密度相差可达3倍。这些可视化方法为理解为什么行为相似的单个神经元或网络对扰动的反应可能大相径庭提供了启发式见解。

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。