ClarusC64 临床四元感染缓冲滞后耦合脓毒症转归数据集 v0.6

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-v0.6")
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-v0.6

数据集大小约 12.3 KB。

仓库文件结构

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

数据说明

本仓库内容

本仓库包含一个Clarus v0.6干预路径数据集，聚焦于脓毒症转移动力学。该数据集评估模型能否判断所提出的干预措施是否能切实稳定一个正在恶化的脓毒症系统。该任务要求基于以下内容进行推理：

• 系统状态轨迹
• 朝向不稳定边界的几何结构
• 恢复几何结构
• 干预向量
• 投影轨迹后果

模型无法直接读取答案。它必须……完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-v0.6。

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-v0.6