临床血流动力学轨迹不稳定数据集 v0.1

数据集获取与加载（Hugging Face datasets）

# 前置依赖: pip install datasets
from datasets import load_dataset

ds = load_dataset("ClarusC64/clinical-hemodynamic-trajectory-instability-v0.1")
print(ds)  # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"

git lfs install && git clone https://hf-mirror.com/datasets/ClarusC64/clinical-hemodynamic-trajectory-instability-v0.1

数据集大小约 19.7 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

clinical-hemodynamic-trajectory-instability-v0.1 本数据集的功能 本数据集评估模型能否从短程临床轨迹中检测出正在出现的血流动力学不稳定。每一行代表一个患者情景，包含三个时间点的测量值。任务是判断该轨迹指示的是稳定状态还是即将发生的循环不稳定。 核心稳定性理念 血流动力学崩溃很少由单一…… 完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-hemodynamic-trajectory-instability-v0.1。

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。

完整数据卡：huggingface.co/datasets/ClarusC64/clinical-hemodynamic-trajectory-instability-v0.1