背侧纹状体光遗传刺激双向控制癫痫发作的EEG记录
该数据集为背侧纹状体光遗传刺激双向控制癫痫发作研究的EEG记录，来自datadryad.org。研究采用光遗传学方法在大鼠中激活或失活背侧纹状体神经元，覆盖GBL失神癫痫模型、杏仁核点燃颞叶癫痫模型和匹罗卡品诱导的癫痫持续状态模型
基本信息
资源简介
背侧纹状体光遗传刺激双向控制癫痫发作的EEG记录
EEG Recordings for: Optogenetic stimulation of the dorsal striatum bidirectionally controls seizures
该数据集为背侧纹状体光遗传刺激双向控制癫痫发作研究的EEG记录，来自datadryad.org。研究采用光遗传学方法在大鼠中激活或失活背侧纹状体神经元，覆盖GBL失神癫痫模型、杏仁核点燃颞叶癫痫模型和匹罗卡品诱导的癫痫持续状态模型。数据可用于分析开环与闭环光遗传调控对癫痫发作的影响，支持癫痫神经调控研究（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：基底神经节参与实验性癫痫发作的观察最早可追溯至约75年前。然而，基底神经节输入核团——纹状体——在癫痫控制中的作用研究相对不足。为填补这一空白，我们采用光遗传学方法，在γ-丁内酯（GBL）失神癫痫模型、杏仁核点燃颞叶癫痫模型和匹罗卡品诱导的癫痫持续状态（SE）大鼠中，激活和失活背侧纹状体神经元。开环（连续光照射）光遗传激活背侧纹状体神经元在所有模型中均稳健抑制癫痫发作。相比之下，开环光遗传沉默增加了失神发作表达并促进SE发作，但对点燃性癫痫发作无影响。在GBL模型中，我们还测试了闭环调控（响应癫痫检测的光照射）的效果。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.f7m0cfz6w。
【主题与分类】
主题标签：EEG、Absence seizures、Clonic seizures、Tonic-clonic seizures、optogenetic、Neuromodulation。本站分类：神经系统疾病/其他。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.f7m0cfz6w
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.f7m0cfz6w
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:
数据集大小约 19.19 GB。
数据说明
Safwan Hyder; Willian Lazarini-Lopes; Jonathan Toib; Gabrielle Williams; Alexander Sukharev; Patrick Forcelli (2025). EEG Recordings for: Optogenetic stimulation of the dorsal striatum bidirectionally controls seizures [Dataset]. http://doi.org/10.5061/dryad.f7m0cfz6w
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。
