临床影像医嘱执行报告一致性风险数据集

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-imaging-order-perform-report-coherence-risk-v0.1")
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-imaging-order-perform-report-coherence-risk-v0.1

数据集大小约 9.2 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

本仓库的用途：检测影像检查被开具后流程中断的情况。常见的中断包括：扫描从未执行、报告延迟送达、报告已存在但无人审阅。可使用的示例：因出血而开具的头部CT被延迟；胸部X光报告已可用但无临床医生确认；紧急CT已完成但报告滞留在队列中。你可以在下游伤害发生之前，用它来标记诊断延迟风险。

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-imaging-order-perform-report-coherence-risk-v0.1