面部麻痹数据集 facial_palsy_2

资源简介

面部麻痹数据集 facial_palsy_2

facial_palsy_2 是一个发布于 Kaggle 平台的数据集，归类于神经系统疾病与周围神经损伤方向，由 Maya Yahiaoui 于 2026 年 6 月 14 日发布，版本为 v1。该数据集共包含 20 个文件，合计约 154.22 MB，文件样例显示其内容为 LoRA 微调过程中产生的检查点，涵盖优化器状态、PyTorch LoRA 权重、随机状态、缩放器与调度器等训练中间产物，主题标签为预训练模型。从文件构成看，它更像是一份围绕面瘫相关任务进行模型微调后留下的训练产物集合，而非传统的图像或表格型临床数据，适合用于复现微调过程、检查训练状态或在此基础上继续训练与评估。

【数据集背景】

该数据集面向神经系统疾病与周围神经损伤这一方向，名称中的 facial_palsy 指向面瘫（面神经麻痹）相关主题。面瘫属于周围神经损伤的典型表现之一，在医学人工智能研究中常涉及面部图像或视频的分析与建模。该数据集以预训练模型相关产物为主题标签，说明其关注点在于模型层面的微调结果，而非原始临床记录。发布者为 Maya Yahiaoui，发布平台为 Kaggle，发布时间为 2026 年 6 月 14 日，当前版本为 v1。

【数据内容】

数据集共包含 20 个文件，总体积约 154.22 MB。从文件样例可见，内容主要组织在 lora_palsy_2 目录下，按检查点分目录存放，例如 checkpoint-1000 与 checkpoint-1500 等。每个检查点目录中包含优化器状态文件（optimizer.bin）、PyTorch LoRA 权重文件（pytorch_lora_weights.safetensors）、随机状态文件（random_states_0.pkl）、缩放器文件（scaler.pt）以及调度器状态文件（scheduler.bin）等训练中间产物。此外还存在 __huggingface_repos__.json 这类与模型仓库相关的 JSON 文件。文件格式覆盖 JSON、BIN、SAFETENSORS、PKL、PT 等多种类型，分别对应配置信息、二进制状态、权重张量、序列化对象与 PyTorch 张量等不同用途。

【采集与来源】

该数据集来源于 Kaggle 平台，源站描述中给出的引用信息为 Maya Yahiaoui (2026). facial_palsy_2 [Dataset]，并附有对应的 Kaggle 数据集页面地址。发布机构标注为 Maya Yahiaoui，发布时间为 2026 年 6 月 14 日。关于数据的具体采集流程、原始样本来源、标注方式与伦理审批等信息，源站未提供。

【适用场景】

基于文件构成，该数据集可用于加载 LoRA 微调检查点，复现或继续面瘫相关任务的模型训练；也可用于检查训练过程中的优化器状态、学习率调度与随机数状态，以支持训练过程的分析与调试。由于包含 PyTorch LoRA 权重文件，适合在支持 LoRA 适配器的框架中加载并进行推理或进一步微调。对于需要对比不同检查点训练状态的研究，这些中间产物也具备一定的参考价值。具体任务类型与评估指标，源站未提供。

【使用方法】

使用时可先下载全部 20 个文件，合计约 154.22 MB，并按文件格式分别读取：JSON 文件用于查看仓库与配置信息，BIN 文件对应优化器与调度器等二进制状态，SAFETENSORS 文件为 LoRA 权重，PKL 文件为随机状态序列化对象，PT 文件为 PyTorch 张量。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因格式或版本不匹配导致加载失败。加载检查点时应保证目录结构完整，使权重、优化器与调度器状态能够对应同一训练步。

【质量与限制】

该数据集以训练中间产物为主，并非经过整理的临床影像或结构化病历数据，因此不适合直接作为面瘫诊断或分级的标注数据使用。文件数量为 20 个，体积约 154.22 MB，规模相对有限。许可信息标注为 Unknown，使用前需自行确认授权范围。关于数据质量、标注一致性、样本代表性以及检查点对应的具体训练配置与性能指标，源站未提供。

【引用与许可】

引用信息为 Maya Yahiaoui (2026). facial_palsy_2 [Dataset]. https://www.kaggle.com/datasets/mayayahiaoui/facial-palsy-2。许可状态为 Unknown，源站未提供具体的许可条款，使用与再分发前应向发布者确认相关授权。