临床恢复轨迹几何 v0.1
该数据集用于测试模型能否根据干预顺序预测恢复轨迹，任务不是诊断，也不是选择单一治疗，而是判断给定干预序列会导致恢复、停滞、过度干预还是失败
基本信息
资源简介
临床恢复轨迹几何 v0.1
ClarusC64/clinical-recovery-trajectory-geometry-v0.1
该数据集用于测试模型能否根据干预顺序预测恢复轨迹，任务不是诊断，也不是选择单一治疗，而是判断给定干预序列会导致恢复、停滞、过度干预还是失败。数据以表格形式组织，每行包含初始约束、起始带宽等结构信息，预测目标为 label_trajectory，允许的标签包括 recovery、failed_sequence、stalled、stable_observation、over_intervention。文件包含训练集、测试集和评分脚本，规模小于 1K，适合用于表格分类任务的研究与评估（来源 Hugging Face，mit 许可）。
【数据集背景】
源站首次发布：2026-06-09。
【数据内容】
源站描述（机器翻译，仅供参考）：临床恢复轨迹几何 v0.1 该数据集测试模型能否根据干预顺序预测恢复轨迹。任务不是诊断。任务不是选择单一治疗。任务是判断一个提议的序列是否产生恢复、停滞、过度干预或失败。 核心思想 相同的干预集合可能因顺序不同而产生不同结果。示例： iron_first -> sleep_second -> thyroid_third = recovery thyroid_first -> iron_second -> sleep_third = failed_sequence4 可见的干预是相同的。序列几何不同。 预测目标 预测：label_trajectory 允许的标签：recovery failed_sequence stalled stable_observation over_intervention 预测文件应包含：scenario_id,prediction TE001,recovery 行结构 每行包含：initial constraint starting bandwidth starti
【数据结构与技术规格】
文件数 3 个，合计 8.16 KB。
【主题与分类】
主题标签：clinical、recovery-trajectory、intervention-ordering、hidden-constraint-geometry、sequence-effects、synthetic。本站分类：内分泌、营养和代谢疾病/其他。
【获取与许可】
源站页面：https://huggingface.co/datasets/ClarusC64/clinical-recovery-trajectory-geometry-v0.1
使用许可：mit。
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-recovery-trajectory-geometry-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-recovery-trajectory-geometry-v0.1
数据集大小约 13.6 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
临床康复轨迹几何 v0.1 本数据集测试模型能否根据干预顺序预测康复轨迹。该任务不是诊断。该任务不是选择单一治疗方案。该任务是判断一个提议的序列会产生康复、停滞、过度干预还是失败。核心思想 相同的干预集合可能因顺序不同而产生不同结果。示例：先补铁 -> 后睡眠 -> 再甲状腺 =… 请在数据集页面查看完整描述：https://huggingface.co/datasets/ClarusC64/clinical-recovery-trajectory-geometry-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-recovery-trajectory-geometry-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。
