ClarusC64 临床四元感染缓冲滞后耦合脓毒症转变数据集 v0.4

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-v0.4")
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-v0.4

数据集大小约 6.9 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

本仓库的功能：本仓库包含一个Clarus v0.4级联边界发现数据集，用于建模脓毒症转变。早期的Clarus数据集侧重于检测级联状态或预测崩溃轨迹。v0.4版本将框架扩展到一个更困难的任务：检测系统是否处于不稳定边界本身。该数据集将脓毒症恶化建模为一个耦合生理系统，其中感染压力上升、生理缓冲能力下降……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-v0.4。

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-v0.4