果蝇多通道长期电生理数据的多变量分类识别不同睡眠阶段（第13部分，共16部分）

数据集获取

源站：https://search.dataone.org/view/sha256%3Ab41adbeaca371a8f1287a9fe99f4a5b4b5c7d710d25dc9522e3136971b48f99d

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

睡眠在大多数动物中均可观察到，这表明它服务于与适应性生物学功能相关的基本过程。然而，缺乏将睡眠与特定功能直接关联的证据，部分原因在于在许多动物中睡眠并非单一过程。在人类和其他哺乳动物中，传统上使用脑电图（EEG）来识别不同的睡眠阶段，但这种方法在昆虫等不同动物中不可行。在此，我们对处于自发睡眠发作中的行为果蝇大脑进行了长期多通道局部场电位（LFP）记录。我们开发了实验方案，使得能够在多只果蝇之间进行一致的LFP空间记录，从而让我们能够比较清醒期和睡眠期的LFP活动，并进一步将其与诱导睡眠进行比较。

利用机器学习，我们揭示了睡眠存在不同的时间阶段，并探索了果蝇大脑中相关的空间与频谱特征……， ， ， ## 数据来源：多变量分类多通道长期电生理数据识别果蝇不同睡眠阶段，第13部分（共16部分） ## 数据与文件结构描述 这是多部分数据集的一部分，包含16只黑腹果蝇的局部场电位（lfp）记录和视频数据。本部分包含来自18_17012019_SponSleep_LFP的数据 ## 数据集内容 每个数据集（使用下方软件对单只果蝇整理后）包含每只果蝇特定自发睡眠记录。例如，18_17012019_SponSleep_LFP包含2019年1月17日从特定果蝇记录的lfp和视频。每个文件夹内有两个子文件夹。 * lfp：包含两个进一步子文件夹： * 以_Calib结尾的文件夹包含进行校准（电极插入）时作为单个区块记录的lfp数据。 * 以_LFP结尾的文件夹包含完整记录的lfp数据，或作为单个区块或……

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。