临床干预时机脓毒症检测数据集
该数据集来自 huggingface.co，用于测试模型能否判断临床干预是否落在脓毒症样临床系统的有效时机窗口内。数据以 CSV 表格形式提供，包含训练集与测试集文件以及评分脚本，共 3 个文件，规模小于 1K
基本信息
资源简介
临床干预时机脓毒症检测数据集
ClarusC64/clinical-intervention-timing-sepsis-v1
该数据集来自 huggingface.co，用于测试模型能否判断临床干预是否落在脓毒症样临床系统的有效时机窗口内。数据以 CSV 表格形式提供，包含训练集与测试集文件以及评分脚本，共 3 个文件，规模小于 1K。预测目标为 label_intervention_timing_correct，0 表示干预时机无效或过晚，1 表示干预落在有效时机窗口内。可用于文本分类任务，评估干预时机是否足以改变系统向恢复方向发展的轨迹（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）：临床干预时机脓毒症检测 概述 该数据集测试模型能否检测出干预是否被施加在脓毒症样临床系统的有效时机窗口内。在复杂临床系统中，即使干预本身正确，如果相对于系统轨迹到达得太晚，仍可能失败。关键问题不仅在于某个动作是否恰当，还在于它是否发生得足够早，从而改变路径、避免崩溃。该基准的目标是确定干预时机是否能有意义地抵消系统的不稳定轨迹。 --- 预测目标 label_intervention_timing_correct 0 = 干预时机无效或太晚 1 = 干预施加在有效时机窗口内 任务是确定干预时机是否足以改变轨迹、走向恢复。 --- 行结构
【数据结构与技术规格】
文件数 3 个，合计 5.83 KB。
【主题与分类】
主题标签：clinical-trials、clarus-benchmark、state-space、sepsis、intervention-timing、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-intervention-timing-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-intervention-timing-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-intervention-timing-sepsis-v1
数据集大小约 5.3 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
临床干预时机脓毒症检测概述 该数据集测试模型能否在类脓毒症临床系统的有效时机窗口内检测到干预措施的实施。在复杂的临床系统中，即使干预措施本身正确，若相对于系统病程轨迹而言实施过晚，仍可能失败。关键问题不仅在于某项措施是否恰当，更在于其是否足够早地实施，从而改变系统走向崩溃的路径。该……完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-intervention-timing-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-intervention-timing-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。
