观察条件下脓毒症临床稳定性检测数据集

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-stability-under-observation-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-stability-under-observation-sepsis-v1

数据集大小约 5.9 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

临床稳定性在观察下的脓毒症检测概述 本数据集测试模型能否检测出类脓毒症临床系统是本质上稳定，还是仅在主动观察和纠正下才保持稳定。有些系统看似稳定，仅仅是因为它们被持续监测并接受外部调整。如果观察或纠正强度下降，潜在的动力学可能迅速将系统拉回不稳定状态。目标是……请参见数据集页面上的完整描述：https://huggingface.co/datasets/ClarusC64/clinical-stability-under-observation-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-stability-under-observation-sepsis-v1