临床四变量感染缓冲滞后耦合脓毒症转归数据集

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-quad-infection-buffer-lag-coupling-sepsis-transition-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-quad-infection-buffer-lag-coupling-sepsis-transition-v0.1

数据集大小约 3.7 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

本仓库的功能 该数据集使用四变量耦合结构来建模从受控感染到脓毒症恶化的转变过程。其目标是检测患者何时正趋向脓毒症，且发生在明显的全身性崩溃完全确立之前。脓毒症通常以级联方式展开：感染压力上升、生理储备收窄、干预延迟降低可逆性，以及器官间相互作用放大不稳定性。该四元结构捕捉了核心……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-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-quad-infection-buffer-lag-coupling-sepsis-transition-v0.1