临床四元氧需求缓冲滞后耦合呼吸衰竭基准数据集 v1.4

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-quad-oxygen-demand-buffer-lag-coupling-respiratory-collapse-v1.4")
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-quad-oxygen-demand-buffer-lag-coupling-respiratory-collapse-v1.4

数据集大小约 9.0 KB。

仓库文件结构

• .gitattributes
• README.md
• benchmark_spec.json
• dataset_schema.json
• scorer.py

数据说明

临床四重氧需求缓冲滞后耦合呼吸衰竭 v1.4 本仓库的功能 本仓库包含一个 Clarus v1.4 基准数据集。v1.4 层引入了反事实干预时机几何。更早的层评估：系统状态轨迹边界接近度恢复可行性干预选择控制序列正确性时间策略稳定性失效重建 v1.4 评估呼吸衰竭是否可能……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-quad-oxygen-demand-buffer-lag-coupling-respiratory-collapse-v1.4。

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-quad-oxygen-demand-buffer-lag-coupling-respiratory-collapse-v1.4