用途：该技能面向脑影像数据结构（BIDS）数据集的处理，用于将神经科学与生物医学原始数据（影像、电生理、行为）整理为符合 BIDS 规范的目录结构，查询已有数据集，校验合规性，以及将 DICOM 转换为 BIDS 格式。BIDS 是社区标准，定义统一的文件命名、目录层级与元数据模式，现覆盖 11 种模态，包括 MRI、PET、显微镜、EEG、MEG、iEEG、EMG、NIRS、动作捕捉、行为数据与 MR 波谱。
主要能力：按受试者、会话、任务、run 或模态查询文件；校验数据集是否符合规范；编写或编辑 JSON sidecar 元数据；创建符合 BIDS 的衍生数据；生成 dataset_description.json；处理 BIDS 实体；配置 .bidsignore；为上传 OpenNeuro、DANDI 等仓库做准备。
使用方式：核心查询库为 PyBIDS，安装命令 uv pip install pybids；校验器为基于 Deno 的 bids-validator，可 uv pip install bids-validator-deno，或 deno install -g -A npm:bids-validator。DICOM 转换常用 HeuDiConv（uv pip install heudiconv）、dcm2bids（uv pip install dcm2bids）或 BIDScoin。辅助库包括 nibabel、pydicom。典型流程：用 BIDSLayout 索引数据集并查询；用 bids-validator 校验；用 HeuDiConv 的 ReproIn 模式或自定义启发式文件转换 DICOM。
适用场景：整理原始神经科学数据、查询 BIDS 数据集、共享或投稿前校验、DICOM 转 BIDS、编写 sidecar 元数据、创建衍生数据、准备上传至 BIDS 兼容仓库。
限制：资料未提供具体收费、价格与效果信息；BIDS 规范版本、实体顺序与后缀以 BIDS Schema 为准，资料建议存疑时查阅 schema；旧版 Node.js 校验器已弃用，Deno 版为 v1.9+ 参考实现；HeuDiConv 转换时建议使用 --minmeta 防止元数据溢出，重复采集需用 {item:03d} 自动编号。