Clinical Control Horizon Sepsis 脓毒症控制视野检测数据集
该数据集来自 huggingface.co，用于测试模型能否判断所提出的控制策略在类脓毒症临床系统中是否具有足够的稳定化视野
基本信息
资源简介
Clinical Control Horizon Sepsis 脓毒症控制视野检测数据集
ClarusC64/clinical-control-horizon-sepsis-v1
该数据集来自 huggingface.co，用于测试模型能否判断所提出的控制策略在类脓毒症临床系统中是否具有足够的稳定化视野。部分控制策略只能短暂稳定系统，另一些则能维持足够的前向影响力，引导系统进入持久恢复域。数据以合成临床场景为行，包含 scenario_id、pressure、buffer_capacity、coupling_strength 等字段，预测目标为 label_sufficient_control_horizon，0 表示控制视野过短或脆弱，1 表示控制视野足以实现稳定恢复。可用于文本分类与临床控制策略稳定性评估（来源 Hugging Face，mit 许可）。
【数据集背景】
源站首次发布：2026-04-19。
【数据内容】
源站描述（机器翻译，仅供参考）：Clinical Control Horizon Sepsis Detection 概述 本数据集用于测试模型能否检测所提出的控制策略在类脓毒症临床系统中是否具有足够的稳定化视野。有些控制策略只能短暂地稳定系统。另一些则维持足够的前向影响力，引导系统进入持久的恢复域。本基准的目标是确定控制器能否在 meaningful future horizon 上可靠地维持稳定化。 --- 预测目标 label_sufficient_control_horizon 0 = 控制视野过短或脆弱 1 = 控制视野足以实现稳定恢复 任务是确定控制策略是否有足够的前向触及范围来随时间维持稳定性。 --- 行结构 每一行代表一个合成临床场景。列：scenario_id pressure buffer_capacity coupling_strength tra
【数据结构与技术规格】
文件数 3 个，合计 5.97 KB。
【主题与分类】
主题标签：clinical-trials、clarus-benchmark、state-space、sepsis、control-horizon、instability-geometry。本站分类：感染性疾病/脓毒症。
【获取与许可】
源站页面：https://huggingface.co/datasets/ClarusC64/clinical-control-horizon-sepsis-v1
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-control-horizon-sepsis-v1")
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-control-horizon-sepsis-v1
数据集大小约 5.9 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
临床控制时域脓毒症检测概述 本数据集测试模型能否检测出某一拟议控制策略在类脓毒症临床系统中是否具有足够的稳定时域。有些控制策略只能短暂稳定系统，另一些则能维持足够的前向影响，引导系统进入持久的恢复域。本基准的目标是确定控制器能否在……范围内可靠地维持稳定。完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-control-horizon-sepsis-v1。
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-control-horizon-sepsis-v1
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。
