基于深度学习的血管性痴呆小鼠模型Morris水迷宫测试结果预测
该数据集包含小鼠行为学实验数据，具体为正常小鼠和血管性痴呆模型小鼠在Morris水迷宫测试中前四天的平均逃避潜伏期等行为指标，以及第五天的实际测试结果，数据模态为数值型行为记录。其主要用途是通过深度学习模型（如多层感知机）预测小鼠在测试中的最终表现，以评估血管性痴呆等神经疾病模型的行为学特征，并探索缩短实验周期、减少测试负担的可行性，适用于神经科学、人工智能辅助医学研究等领域。
创建时间2018-02-08
更新时间2018-02-08
原始链接
https://figshare.com/articles/dataset/Predicting_outcome_of_Morris_water_maze_test_in_vascular_dementia_mouse_model_with_deep_learning/5865258
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集旨在通过深度学习模型预测血管性痴呆小鼠模型在Morris水迷宫测试中的最终表现。数据集包含正常小鼠（WT-sham）和血管性痴呆模型小鼠（WT-BCAS）在Morris水迷宫测试中前四天的行为数据（如平均逃避潜伏期），以及第五天的实际测试结果。数据来源于对10周龄雄性C57BL/6小鼠进行双侧颈总动脉狭窄手术或假手术后，于术后6周进行的行为学评估。研究采用开源深度学习框架Chainer构建多层感知机模型，利用前四天的数据训练模型以预测第五天的结果，并与人类测试者的预测准确性进行比较。该数据集主要用于神经科学、行为学分析及医学人工智能领域，支持血管性痴呆等神经退行性疾病模型的行为预测与评估研究。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 血管性痴呆 的高质量、多模态真实临床数据定制解决方案。