母乳喂养动态改变母亲内源性催产素水平与情绪识别
母乳喂养行为可显著改变母亲的生理与心理状态。催产素这种激素可能中介母乳喂养与母亲情绪识别之间的关系。本研究考察了通过母乳喂养引起的内源性催产素波动对 51 名初产母亲情绪识别的影响
基本信息
资源简介
母乳喂养动态改变母亲内源性催产素水平与情绪识别
该数据集围绕母乳喂养行为对母亲生理与心理状态的影响展开，聚焦内源性催产素波动与情绪识别之间的关系。研究以 51 名初产母亲为对象，通过对比母乳喂养与抱持婴儿两种条件，在操作前后分别评估唾液催产素水平，并开展情绪识别任务。结果显示，在日常进行母乳喂养的母亲中，母乳喂养后催产素水平上升幅度较大的个体，对成人面部表情的负性识别减少、正性识别增强更为明显。这些伴随母乳喂养出现的催产素功能可能支持持续的养育行为，并可能超出对婴儿的特定影响，作用于对其他成人的一般社会认知。数据集以 CC0 1.0 公有领域贡献许可开放，属于精神与行为障碍领域的其他类数据。
【数据集背景】
母乳喂养行为被认为能够显著改变母亲的生理与心理状态。催产素作为一种激素，可能在中介母乳喂养与母亲情绪识别之间发挥作用。该研究正是基于这一背景，考察通过母乳喂养引起的内源性催产素波动如何影响初产母亲的情绪识别表现，从而为理解母乳喂养的生理心理效应及其社会认知意义提供数据支撑。
【数据内容】
数据集对应一项针对 51 名初产母亲的研究。数据涉及两类核心内容：一是唾液催产素的测量结果，分别在操作（母乳喂养或抱持婴儿）之前与之后进行评估；二是情绪识别任务的表现。研究关注的关键变量包括母乳喂养后催产素水平的上升幅度，以及对成人面部表情的负性识别与正性识别变化。源站未提供更细化的变量清单、样本人口学明细或数据文件结构说明。
【采集与来源】
数据来源于 search.dataone.org。研究采用的操作条件为母乳喂养或抱持婴儿，并在操作前后采集唾液样本以评估催产素水平，同时实施情绪识别任务。研究对象为 51 名初产母亲。源站未提供采集时间跨度、具体采样流程、任务参数或伦理审批等进一步细节。
【适用场景】
该数据集可用于探讨母乳喂养相关的内源性催产素波动与母亲情绪识别之间的关系，适合用于生理心理状态、激素与社会认知交叉方向的研究参考，也可为关注产后母亲养育行为与一般社会认知的分析提供素材。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供具体的使用方法说明，包括数据读取方式、变量编码规则或分析脚本等。
【质量与限制】
源站未提供样本代表性、测量误差、缺失数据或质量控制方面的具体信息。研究结论基于 51 名初产母亲的样本，相关发现的范围与推广性需结合源站未提供的更多方法学细节加以判断。
【引用与许可】
该数据集采用 CC0 1.0 Universal（CC0 1.0）公有领域贡献许可。引用时应依据该许可要求使用，源站未提供具体的引用格式或推荐引用文献。
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
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
母乳喂养行为能显著改变母亲的生理与心理状态。催产素这种激素可能中介母乳喂养与母亲情绪识别之间的关系。本研究通过母乳喂养考察内源性催产素波动对51名初产母亲情绪识别的影响。在操作（母乳喂养或抱持婴儿）前后评估唾液催产素，并进行情绪识别任务。在每日进行母乳喂养的母亲中，母乳喂养后催产素水平升高幅度较大的母亲，对成人面部表情的负性识别下降更明显、正性识别增强更显著。这些伴随母乳喂养的催产素功能可能支持持续的养育行为，并且除了对婴儿的特定影响之外，还可能影响对其他成人的一般社会认知。
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。
