数据集获取

源站：https://doi.org/10.5281/zenodo.21227224

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。

数据集大小约 547.1 KB。

数据说明

切尔诺贝利 ¹³⁷Cs 与土耳其（Türkiye）全国肿瘤死亡率——数据与分析代码

通过土耳其（Türkiye）全国表观的切尔诺贝利–肿瘤死亡率梯度，区分生态学研究中的空间混杂与辐射效应

本仓库是上述研究的可重复性资料汇编。它包含省级分析数据集（81 个土耳其省份，2018–2024 年合并，53 个变量）和一个单一、自包含的 Python 流程，可重新生成文章中的每个表格和图。

简要总结。 模型估算的切尔诺贝利来源铯-137（¹³⁷Cs）与省级肿瘤死亡率之间表观的正相关，被证明可由空间混杂而非辐射解释。证据来自一个证伪框架：剂量一致性核对、序贯（分层）混杂因素调整、阴性对照结局、带 bootstrap 的惩罚回归、显式空间回归（空间误差模型与空间滞后模型）、E 值，以及 ⁹⁰Sr 共线性检查。

— ## 仓库内容 ```.├── README.md 本文件├── CHANGELOG.md 版本历史├── CITATION.cff 如何引用（Citation File Format）├── .zenodo.json Zenodo 存档元数据├── requirements.txt 精确的 Python 依赖项（Python 3.12）├── LICENSE-CODE-MIT.txt 代码许可证（MIT）├── LICENSE-DATA-CC-BY-4.0.txt 数据许可证（CC BY 4.0）├── data/│ ├── data.xlsx 分析数据集（工作表 ‘data’；81 × 53）│ └── data_dictionary.csv 代码本：变量、描述、单位、来源、备注├── code/│ └── chernobyl_neoplasm_analysis.py 单文件分析流程└── results/ 参考输出（由脚本重新生成） ├── ALL_RESULTS.xlsx 28 个结果工作表 ├── Fig2_dose_reconciliation.png 剂量协调 ├── Fig3_sequential_attenuation.png 序贯衰减 ├── Fig4_negative_control.png 阴性对照结局 ├── FigS1_moran_lisa.png Moran 散点图 + LISA 象限计数 ├── FigS2_coefficient_paths.png 惩罚回归系数路径 └── FigS3_penalize

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。