临床恢复稳定性脓毒症检测数据集

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-recovery-stability-sepsis-v1")
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-recovery-stability-sepsis-v1

数据集大小约 4.7 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

临床康复稳定性脓毒症检测概述 本数据集用于检验模型能否区分脓毒症样临床系统中的暂时性改善与真正的结构性康复。在许多复杂系统中，即使系统仍危险地接近不稳定边界，也可能出现短期改善。生命体征可能暂时好转，但底层动力学仍可能倾向于复发或崩溃。因此，任务不仅仅是检测改善，而是…… 完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-recovery-stability-sepsis-v1。

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-recovery-stability-sepsis-v1