临床四元感染缓冲滞后耦合脓毒症转归 v1.1

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-v1.1")
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-v1.1

数据集大小约 41.3 KB。

仓库文件结构

• .gitattributes
• README.md
• benchmark_spec.json
• dataset_schema.json
• scorer.py

数据说明

临床四重感染缓冲滞后耦合脓毒症转归 v1.1 本仓库的功能 该数据集评估模型能否在以下情况下选择正确的控制策略：多种脓毒症干预措施在早期看似可行，信号提示改善，而替代策略能产生更好的长期结局。该任务不是预测。该任务是在不确定性、反馈和误导性信号结构下选择正确的行动。核心四重……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-infection-buffer-lag-coupling-sepsis-transition-v1.1。

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-v1.1