临床边界距离数据集 v0.2
该数据集用于测试模型能否估计患者距离临床崩溃边界的远近，任务不是判断崩溃是否已发生，而是分类在常规监测或支持可能不再足够之前还剩多少余量
基本信息
资源简介
临床边界距离数据集 v0.2
ClarusC64/clinical-boundary-distance-v0.2
该数据集用于测试模型能否估计患者距离临床崩溃边界的远近，任务不是判断崩溃是否已发生，而是分类在常规监测或支持可能不再足够之前还剩多少余量。v0.2 版本新增反事实与对抗样本，使部分行在 MAP、氧需求、呼吸频率和乳酸相同的情况下边界距离不同，从而比 v0.1 更难。数据以 CSV 表格形式提供，包含训练集与测试集，并附带 scorer.py 评分脚本，适用于文本分类任务，可用于评估模型对临床边界距离的判别能力（来源 Hugging Face，mit 许可）。
【数据集背景】
源站首次发布：2026-06-02。
【数据内容】
源站描述（机器翻译，仅供参考）：这个数据集做什么 这个数据集测试模型能否估计患者距离临床崩溃边界有多近。任务不是识别崩溃是否已经发生。任务是对在常规监测或支持可能不再足够之前剩余的余量进行分类。 v0.2 中的变化 v0.2 增加了反事实和对抗案例。有些行具有相同的 MAP、氧需求、呼吸频率和乳酸，但边界距离不同。有些看起来高的案例保留了缓冲且边界速度稳定。有些看起来中等的案例因为支持升级正在上升且储备损失很快而临界接近边界。这使得任务比 v0.1 更难。 核心稳定性理念 崩溃之前往往先有边缘损失。边界距离取决于的不只是当前严重程度。如果 bou
【数据结构与技术规格】
文件数 3 个，合计 7.73 KB。
【主题与分类】
主题标签：clinical、clinical-reasoning、boundary-distance、margin-loss、collapse-proximity、counterfactual-twins、stability、evidence-fidelity。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://huggingface.co/datasets/ClarusC64/clinical-boundary-distance-v0.2
使用许可：mit。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
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-boundary-distance-v0.2")
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-boundary-distance-v0.2
数据集大小约 14.0 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
该数据集的功能 该数据集测试模型能否估计患者距离临床崩溃边界的接近程度。任务不是识别崩溃是否已经发生，而是对常规监测或支持可能不再足够之前的剩余裕度进行分类。v0.2中的变化 v0.2增加了反事实和对抗性案例。一些行具有相同的MAP、氧需求、呼吸频率和乳酸，但边界不同……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-boundary-distance-v0.2。
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-boundary-distance-v0.2
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
