Behavior ReadME、Excels 与 PRISM 数据集
数据具体覆盖范围、样本量、采集方法与可用任务类型源站未提供，可用于相关神。纹状体生长素释放肽受体活性改变奖赏与成本的整合
基本信息
资源简介
Behavior ReadME、Excels 与 PRISM 数据集
Behavior ReadME, Excels, and PRISM 是一个归类于肿瘤 / 脑肿瘤方向的数据集，由作者 Davila, Luis 提交至 Harvard Dataverse，发布时间标注为 2026 年，来源站为 doi.org，主题标签为 Medicine, Health and Life Sciences。该数据集与纹状体生长素释放肽受体活性如何改变奖赏与成本的整合这一研究主题相关。源站对数据的具体覆盖范围、样本量、采集方法与可用任务类型均未提供，因此目前只能依据其标题、分类与主题描述了解其大致定位，更细的数据构成与使用条件需以源站发布信息为准。
【数据集背景】
该数据集的主题背景指向神经科学与行为研究中的奖赏—成本整合问题。源站描述为“Striosomal ghrelin receptor activity alters integration of reward and cost”，即纹状体生长素释放肽受体活性改变奖赏与成本的整合。数据集被归入肿瘤 / 脑肿瘤分类，同时带有 Medicine, Health and Life Sciences 主题标签，说明其面向医学与健康生命科学领域，并与脑部相关研究存在分类上的关联。作者为 Davila, Luis，机构为 Harvard Dataverse，发布时间为 2026 年。除上述信息外，源站未提供更详细的研究背景说明。
【数据内容】
数据集英文名为 Behavior ReadME, Excels, and PRISM，从名称看涉及行为数据相关的说明文档、表格文件以及 PRISM 相关内容。但源站未提供数据具体覆盖范围、样本量、变量构成、文件数量与格式细节，也未说明行为指标的具体类型。因此，关于数据内容的完整描述源站未提供。
【采集与来源】
该数据集来源站为 doi.org，提交机构为 Harvard Dataverse，作者为 Davila, Luis。源站未提供采集方法、采集时间、实验对象、设备与流程等信息，相关细节源站未提供。
【适用场景】
依据主题标签与源站描述，该数据集可用于与纹状体生长素释放肽受体活性、奖赏与成本整合相关的神经行为研究场景，也可作为医学与健康生命科学领域相关分析的参考数据。源站未提供可用任务类型，因此具体适用的分析任务源站未提供。
【使用方法】
源站未提供数据加载方式、文件结构说明、字段定义、预处理步骤与推荐分析流程。数据集名称中包含 ReadME 与 Excels，提示可能存在说明文档与表格文件，但具体使用方式源站未提供。
【质量与限制】
源站未提供数据质量评估、缺失值情况、样本代表性、标注一致性等信息。由于数据覆盖范围、样本量与采集方法均未提供，使用前需自行核对源站发布内容。相关质量指标与限制说明源站未提供。
【引用与许可】
作者为 Davila, Luis，机构为 Harvard Dataverse，来源站为 doi.org，发布时间为 2026 年。源站未提供许可协议、引用格式与使用条款，相关内容源站未提供。
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://doi.org/10.7910/DVN/KJAMMP
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 2.9 MB。
数据说明
Striosomal ghrelin receptor activity alters integration of reward and cost
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。
