ClarusC64 五节点呼吸级联边界数据集 v0.7

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-five-node-respiratory-cascade-boundary-v0.7")
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-five-node-respiratory-cascade-boundary-v0.7

数据集大小约 15.3 KB。

仓库文件结构

• .gitattributes
• README.md
• cli.py
• scorer.py

数据说明

本仓库内容 本仓库包含一个Clarus v0.7数据集，使用五节点级联表示对呼吸级联边界检测进行建模。该数据集通过引入不确定性几何扩展了先前的级联边界结构。先前的问题是：级联边界在哪里？v0.7增加了第二个关键问题：我们对该边界及干预判断的信心有多大？这使Clarus能够区分：• 有信心的边界邻近度•……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-five-node-respiratory-cascade-boundary-v0.7。

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-five-node-respiratory-cascade-boundary-v0.7