Getting Under My Skin：创伤与安抚性触碰的匿名分析数据
该数据集为 ICARUS 研究“Getting Under My Skin: Trauma and Soothing Touch”的匿名化分析输入表，包含复现配套代码记录中统计分析与图表所需的派生变量
基本信息
资源简介
Getting Under My Skin：创伤与安抚性触碰的匿名分析数据
Anonymized analysis data for: Getting Under My Skin: Trauma and Soothing Touch
该数据集为 ICARUS 研究“Getting Under My Skin: Trauma and Soothing Touch”的匿名化分析输入表，包含复现配套代码记录中统计分析与图表所需的派生变量。数据不含原始生理记录、源问卷回答、参与者标识符、直接标识符或自由文本回答。变量定义、单位、编码与数据访问信息见 DATA_DICTIONARY.md，文件完整性哈希见 SHA256SUMS.txt。配套分析代码以 MIT 许可证单独发布，数据集以 CC BY 4.0 许可发布，引用需使用其 Zenodo DOI（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该 Zenodo 记录包含 ICARUS 研究“Getting Under My Skin: Trauma and Soothing Touch”的匿名化分析输入表。数据集包含复现配套 ICARUS 代码记录中提供的统计分析和图表所需的派生变量。它不包含原始生理记录、源问卷回答、参与者标识符、直接标识符或自由文本回答。变量定义、单位、编码和数据访问信息在 DATA_DICTIONARY.md 中提供。文件完整性哈希在 SHA256SUMS.txt 中提供。随附的分析代码以 MIT 许可证单独发布。该数据集以 Creative Commons Attribution 4.0 International 许可证（CC BY 4.0）发布。请使用其 Zenodo DOI 引用此数据记录。
【主题与分类】
主题标签：Neurosciences、Trauma, Nervous System、Psychology、Touch、Touch Perception、Oxytocin、Psychophysiology、fNIRS、Social Touch、Soothing Touch。本站分类：损伤、中毒及外因。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23538231
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.23538231
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 213.1 KB。
数据说明
本Zenodo记录包含ICARUS研究《深入我心：创伤与安抚性触摸》的匿名化分析输入表。该数据集包含复现配套ICARUS代码记录中提供的统计分析和图表所需的派生变量。它不包含任何原始生理记录、源问卷回答、参与者标识符、直接标识符或自由文本回答。变量定义、单位、编码和数据访问信息见DATA_DICTIONARY.md。文件完整性哈希见SHA256SUMS.txt。随附的分析代码以MIT许可证单独发布。本数据集以知识共享署名4.0国际许可证（CC BY 4.0）发布。请使用其Zenodo DOI引用本数据记录。
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。
