临床呼吸驱动不稳定性数据集 v0.1
该数据集用于评估模型能否检测呼吸控制中的不稳定性。每一行代表一个简化的呼吸调节场景，覆盖三个时间点，任务为判断通气调节保持稳定还是趋向呼吸驱动不稳定
基本信息
资源简介
临床呼吸驱动不稳定性数据集 v0.1
ClarusC64/clinical-respiratory-drive-instability-v0.1
该数据集用于评估模型能否检测呼吸控制中的不稳定性。每一行代表一个简化的呼吸调节场景，覆盖三个时间点，任务为判断通气调节保持稳定还是趋向呼吸驱动不稳定。涉及呼吸频率轨迹、CO₂ 代理轨迹、呼吸驱动代理、血氧饱和度轨迹、代谢需求代理和干预延迟等信号。标签为二分类：1 表示呼吸驱动不稳定，0 表示通气调节稳定。数据以 CSV 格式提供，包含训练集与测试集，并附有评分脚本，适用于表格分类任务（来源 Hugging Face，mit 许可）。
【数据集背景】
源站首次发布：2026-04-29。
【数据内容】
源站描述（机器翻译，仅供参考）：clinical-respiratory-drive-instability-v0.1 该数据集的作用 该数据集评估模型能否检测呼吸控制中的不稳定性。每一行代表一个简化的呼吸调节场景，在三个时间点上进行观察。任务是判断通气调节是保持稳定，还是正在趋向呼吸驱动不稳定性。 核心稳定性概念 呼吸稳定性取决于神经呼吸驱动与气体交换调节之间的相互作用。相互作用的信号包括： - 呼吸频率轨迹 - CO₂ 代理轨迹 - 呼吸驱动代理 - 血氧饱和度轨迹 - 代谢需求代理 - 干预延迟 当 CO₂ 升高而神经驱动和通气未能充分代偿时，不稳定性就会出现。 预测目标 label = 1 → 呼吸驱动不稳定性 label = 0 → 稳定的通气调节
【数据结构与技术规格】
文件数 3 个，合计 11.16 KB。
【主题与分类】
主题标签：clarusc64、clarusc64-benchmark、stability-reasoning、clinical、respiratory、ventilatory-control、respiratory-drive、trajectory-analysis。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-respiratory-drive-instability-v0.1
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-respiratory-drive-instability-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-respiratory-drive-instability-v0.1
数据集大小约 19.4 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
clinical-respiratory-drive-instability-v0.1 该数据集的功能 该数据集评估模型能否检测呼吸控制中的不稳定性。每一行代表一个简化的呼吸调节场景，在三个时间点上进行观察。任务是判断通气调节是保持稳定，还是正朝着呼吸驱动不稳定的方向发展。核心稳定性理念 呼吸稳定性取决于神经…之间的相互作用。完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-respiratory-drive-instability-v0.1。
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-respiratory-drive-instability-v0.1
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。
