ClarusC64 临床四重感染缓冲滞后耦合脓毒症转变数据集 v0.2

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-v0.2")
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-v0.2

数据集大小约 4.2 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

该仓库的功能：本数据集评估机器学习模型能否利用系统状态和系统轨迹来检测脓毒症级联转变。v0.1系列中较早的Clarus数据集测试的是模型能否仅对系统状态进行分类。Clarus v0.2数据集增加了轨迹信号，因此模型不仅必须确定系统所处的位置，还必须确定其在状态空间内移动的方向。因此，该基准测试检验模型能否在状态中读取轨迹……请参阅数据集页面上的完整描述：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-v0.2。

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-v0.2