后脑体温调节反应
其英文名称直译大意为“后脑的体温调节反应”，指向体温调节相关神经活动这一研究主题。DANDI Archive 是面向神经科学数据的公开存档平台，用于汇集、保存和分发以 NWB（Neurodata Without Borders）标准组织的神经生理学数据
基本信息
资源简介
后脑体温调节反应
Thermoregulatory Responses Hindbrain 是一个神经生理学数据集，在 dandiarchive.org 上以 DANDI Archive 的 dandiset 000237 形式发布，在来源站点被归入“神经系统疾病 / 其他”类别。其英文名称直译大意为“后脑的体温调节反应”，指向体温调节相关神经活动这一研究主题。
【数据集背景】
DANDI Archive 是面向神经科学数据的公开存档平台，用于汇集、保存和分发以 NWB（Neurodata Without Borders）标准组织的神经生理学数据。NWB 是社区推动的数据格式规范，目标是让电生理、光学记录等实验数据以统一结构存储，便于跨实验室交换与再利用。该数据集被标注为 NWB 标准的神经生理学数据，并与 BRAIN Initiative 相关联。体温调节是生理学与神经科学中的经典问题，涉及机体在环境温度变化条件下对产热与散热过程的协调控制，而后脑（菱脑）区域在相关神经回路研究中受到关注。上述内容属于领域背景说明，该数据集具体涉及的物种、脑区定位、实验条件等信息，源站未提供。
【数据内容】
从来源站的描述看，该数据集属于以 NWB 标准组织的神经生理学数据，主题与体温调节反应相关。除此之外，数据所包含的具体记录模态、样本量、记录时长、受试个体数量、实验分组与刺激条件等，源站未提供。
【采集与来源】
该数据来源于 dandiarchive.org，在该平台上的条目编号为 dandiset 000237。源站给出的联系人为 Haesemeyer, Martin。至于数据在何机构、以何种实验装置采集，采集时间、伦理审批信息以及原始数据与处理后数据之间的关系等，源站未提供。
【适用场景】
作为采用 NWB 标准的神经生理学数据资源，此类数据通常可用于神经环路与生理调控方向的二次分析、方法比较与教学演示；就体温调节这一主题而言，领域内常见的用途包括对温度相关神经反应的分析。该数据集本身被推荐或预期用于哪些具体场景，源站未提供。
【使用方法】
NWB 标准的数据一般可借助支持该格式的通用读取工具进行访问，以便在常见分析流程中加载、查看与处理。关于该数据集的具体下载方式、文件目录结构、依赖环境与处理示例，源站未提供。
【质量与限制】
源站未提供关于数据质量、缺失情况、噪声水平、可复现性以及使用限制的说明。使用者在基于该数据开展分析之前，需要自行核实其格式合规性、标注完整性与适用范围。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。如需引用或确认使用条件，可查阅源站对应条目，并通过源站所列联系人 Haesemeyer, Martin 进一步了解。
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://dandiarchive.org/dandiset/000237
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:
数据说明
DANDI Archive 数据集 000237。符合 NWB 标准的神经生理学数据集（BRAIN Initiative）。联系人：Haesemeyer, Martin。
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。
