ClarusC64 临床四元感染缓冲滞后耦合脓毒症转归数据集 v0.5

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-v0.5")
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-v0.5

数据集大小约 8.3 KB。

仓库文件结构

• .gitattributes
• README.md
• cli.py
• scorer.py

数据说明

本仓库提供Clarus v0.5级联恢复几何数据集，用于建模脓毒症转变。此前的Clarus数据集侧重于检测恶化状态和识别不稳定边界。v0.5版本新增了恢复几何层，提出了一个更严格的问题：系统是否仍能恢复稳定？该任务基于以下特征对脓毒症相关恶化状态进行二分类：• 四变量临床四元组• 轨迹动力学•……完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-v0.5。

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-v0.5