ClarusC64 临床跨系统一致性因子提取数据集
该数据集用于测试模型能否提取解释韧性或脆弱性的最小跨系统一致性因子集，奖励最小因子选择、正确耦合识别和按主导性排序。覆盖缓冲能力、方差阻尼、自主神经炎症耦合、睡眠代谢耦合、应激炎症耦合、免疫代谢不稳定、社会缓冲、恢复斜率等一致性因子标签，并提供系统提示词模板
基本信息
资源简介
ClarusC64 临床跨系统一致性因子提取数据集
ClarusC64/clinical-drv-atlas-cross-system-coherence-factor-extraction-v0.1 是一个面向文本分类任务的英文数据集，托管于 huggingface.co，本站归类为内分泌、营养和代谢疾病 / 其他。该数据集用于测试模型能否提取解释韧性或脆弱性的最小跨系统一致性因子集，其评价重点在于最小因子选择、正确耦合识别以及按主导性排序。数据集覆盖缓冲能力、方差阻尼、自主神经炎症耦合、睡眠代谢耦合、应激炎症耦合、免疫代谢不稳定、社会缓冲、恢复斜率等一致性因子标签，并提供系统提示词模板。数据集共包含 3 个文件，合计 7.81 KB，采用 MIT 许可，发布时间为 2026-01-31。
【数据集背景】
该数据集聚焦于跨系统一致性因子的提取能力评估。其核心问题是：模型能否从给定的系统状态与扰动信息中，识别出解释韧性或脆弱性的最小一致性因子集合。数据集强调三项奖励维度：最小因子选择、正确耦合识别、按主导性排序。这一设计使其区别于一般的文本分类任务，更偏向于对模型结构化推理与因子筛选能力的考察。数据集所属领域为内分泌、营养和代谢疾病 / 其他，主题标签涵盖文本分类、英文语言、CSV 格式、文本模态，并涉及 datasets、pandas、polars、mlcroissant 等库，以及 clarusc64、clinica 等标签。
【数据内容】
数据集包含 3 个文件：data/test.csv、data/train.csv 和 scorer.py。其中两个 CSV 文件为表格数据，scorer.py 为 Python 脚本，推测用于评分。数据集规模属于 n<1K 级别，整体体积为 7.81 KB。一致性因子标签包括：缓冲能力高、缓冲能力低、方差阻尼高、方差阻尼低、自主神经炎症耦合、睡眠代谢耦合、应激炎症耦合、免疫代谢不稳定、社会缓冲存在、社会缓冲缺失、恢复斜率强、恢复斜率弱、混合不确定。数据集还提供了系统提示词模板，其中系统角色设定为提取前 3 个一致性因子，用户输入包含免疫状态、代谢状态、自主神经与神经状态、心理社会状态、扰动摘要和观察结果，要求按排名顺序返回前 3 个因子。
【采集与来源】
该数据集来源于 huggingface.co，英文名称为 ClarusC64/clinical-drv-atlas-cross-system-coherence-factor-extraction-v0.1，发布时间为 2026-01-31。关于数据的具体采集方法、样本来源、标注流程、受试者信息等，源站未提供。
【适用场景】
该数据集适用于评估模型在跨系统一致性因子提取任务上的表现，尤其适合测试模型能否进行最小因子选择、正确识别耦合关系并按主导性排序。其提示词模板可用于构建系统提示，引导模型从免疫、代谢、自主神经与神经、心理社会、扰动和结果等维度输入中提取前 3 个一致性因子。由于涉及内分泌、营养和代谢疾病领域，该数据集可能用于相关临床决策支持或研究场景中的模型能力测试，但具体应用方向源站未提供。
【使用方法】
使用该数据集时，可先下载全部 3 个文件：data/test.csv、data/train.csv 和 scorer.py，合计 7.81 KB。按文件格式读取：CSV 表格使用 pandas 或 polars 等库加载，PY 文件为 Python 脚本。建议先在小样本上核对字段与编码，确认无误后再批量接入。模型输入可参照提供的系统提示词模板，系统角色设定为提取前 3 个一致性因子，用户输入包含免疫状态、代谢状态、自主神经与神经状态、心理社会状态、扰动摘要和观察结果，输出要求按排名顺序返回前 3 个因子。scorer.py 可用于对模型输出进行评分，具体评分逻辑源站未提供。
【质量与限制】
数据集规模较小，属于 n<1K 级别，总体积仅 7.81 KB，可能限制其统计代表性和泛化能力。数据仅提供英文文本，语言覆盖单一。关于数据质量、标注一致性、偏差、伦理审查等信息，源站未提供。使用时需注意数据集仅用于测试模型提取最小跨系统一致性因子集的能力，不应直接用于临床诊断或治疗决策。许可为 MIT，允许商业使用，但需保留版权声明。
【引用与许可】
该数据集采用 MIT 许可，发布于 huggingface.co，英文名称为 ClarusC64/clinical-drv-atlas-cross-system-coherence-factor-extraction-v0.1，发布时间为 2026-01-31。引用时请遵循 MIT 许可要求，具体引用格式源站未提供。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ClarusC64/clinical-drv-atlas-cross-system-coherence-factor-extraction-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-drv-atlas-cross-system-coherence-factor-extraction-v0.1
数据集大小约 20.0 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
该数据集测试的内容是：模型能否提取出能够解释韧性或脆弱性的最小跨系统一致性因子集。它奖励最小因子选择、正确的耦合识别以及按优势度排序。一致性因子标签包括：buffering_capacity_high、buffering_capacity_low、variance_damping_high、variance_damping_low、autonomic_inflammatory_coupling、sleep_metabolic_coupling、stress_inflammation_coupling、immune_metabolic_instability……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-drv-atlas-cross-system-coherence-factor-extraction-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-drv-atlas-cross-system-coherence-factor-extraction-v0.1
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。
