ClarusC64临床五节点脓毒症级联边界基准v1.0

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-five-node-sepsis-cascade-boundary-v1.0")
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-five-node-sepsis-cascade-boundary-v1.0

数据集大小约 33.3 KB。

仓库文件结构

• .gitattributes
• README.md
• benchmark_spec.json
• dataset_schema.json
• scorer.py

数据说明

ClarusC64/clinical-five-node-sepsis-cascade-boundary-v1.0 本仓库内容 本仓库提供了一个 Clarus v1.0 基准，用于研究脓毒症级联边界动力学，采用五节点临床级联：infection_load immune_strain perfusion_deficit organ_drift buffer_capacity v1.0 升级为闭环控制几何。该任务不再局限于检测恶化、预测级联扩散，或对干预措施进行排序比较。它测试……完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-five-node-sepsis-cascade-boundary-v1.0。

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-five-node-sepsis-cascade-boundary-v1.0