人类海马神经元中代词重新激活概念表征

数据集获取

源站：https://search.dataone.org/view/sha256%3A47f68054261d85c4f76bce3570845271188e154dfaf518162aea55366675cb43

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

在语篇理解过程中，每一个新词都会丰富一个随连续句子不断累积并制约后续词汇的意义表征。为了减少重复和话语长度，语言使用代词（如“她”一词）来指代先前引入的名词和短语。有研究提出，语言理解要求代词激活与名词本身相同的神经元表征。我们在阅读任务中记录了人类海马体内的单个神经元活动。脑成像研究已为了解句子和语篇理解过程中激活的脑区提供了洞见。然而，这些方法的分辨率不足以追踪阅读过程人脑中编码单个概念的神经元集群。目前已经能够直接在植入电极以定位癫痫源的患者中记录单个神经元的活动。这些研究展示……我们在阅读任务中记录了从癫痫患者海马体长期植入的微导线获得的电生理数据。

我们总共在49次记录 session 中，从位于海马体的392个微丝电极进行了记录。微丝信号通过置于患者头部的阻抗转换头级（Neuralynx ‘HS-9’/Blackrock ‘Cabrio’）进行放大，并分别使用64通道Neuralynx ATLAS系统（采样率32 kHz）或128通道Blackrock NeuroPort生物电位信号处理系统（采样率30 kHz）进行记录。采样后应用了数字滤波器（Neuralynx：高通0.1-1 Hz，低通9000 Hz；Blackrock：高通0.3 Hz，低通7500 Hz）。我们使用半自动算法来决定是否将原始信号数字重参考至同一束中的某个微丝。该算法试图在最小化RMS噪声水平的同时，避免重参考至表现出

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。