临床愈合轨迹允许转换节律有效性数据集
该数据集用于测试模型能否判断愈合阶段序列是否符合允许的转换规则与节律模式，要求输出转换有效性、节律类别和语法偏离标志。转换有效性分为允许、可疑、无效；节律类别包括双相、振荡、平台后跃升、稳定线性、下降后反弹、混沌漂移；语法偏离标志分为有和无
基本信息
资源简介
临床愈合轨迹允许转换节律有效性数据集
ClarusC64/clinical-healing-trajectory-permissible-transition-rhythm-validity-v0.1 是一个面向文本分类任务的英文数据集，用于测试模型能否判断愈合阶段序列是否符合允许的转换规则与节律模式。模型需要输出三项判断结果：转换有效性、节律类别以及语法偏离标志。其中转换有效性分为允许、可疑、无效三类；节律类别包括双相、振荡、平台后跃升、稳定线性、下降后反弹、混沌漂移六种；语法偏离标志则分为有和无两种取值。数据集规模较小，文件数量为 3 个，整体体量约 5.53 KB，采用 MIT 许可发布，托管于 huggingface.co，发布时间为 2026 年 2 月 1 日。
【数据集背景】
该数据集属于创伤与损伤领域的“其他”分类，主题标签涵盖文本分类任务、英文语言、CSV 格式、文本模态，并标注了 datasets、pandas、polars、mlcroissant 等库依赖，以及 clarusc64、clinica 等自定义标签。其设计目标聚焦于评估模型对愈合阶段序列转换逻辑与节律形态的判别能力，属于面向临床愈合过程建模的验证型数据集。源站描述中明确列出了允许的转换假设，例如急性下降可转为早期反弹或稳定上升，早期反弹可转为稳定上升、巩固平台或振荡不稳定，巩固平台可转为稳定上升或平台后跃升，振荡不稳定可转为稳定上升或二次下降，二次下降可转为延迟反弹或急性下降，延迟反弹可转为稳定上升或巩固平台；此外，若存在并发症标志，适应不良平台也被视为合理。这些假设构成了判断转换有效性的规则基础。
【数据内容】
数据集包含 3 个文件：data/test.csv、data/train.csv 以及 scorer.py。其中两个 CSV 文件分别用于训练与测试，scorer.py 为评分脚本。数据以表格形式组织，涉及愈合阶段序列及其对应的转换有效性、节律类别和语法偏离标志等标注信息。节律类别覆盖双相、振荡、平台后跃升、稳定线性、下降后反弹、混沌漂移；转换有效性覆盖允许、可疑、无效；语法偏离标志覆盖有和无。数据集规模属于 n<1K 量级，整体体积约 5.53 KB，适合小样本验证与快速实验。
【采集与来源】
该数据集来源于 huggingface.co，由 ClarusC64 发布，发布时间为 2026 年 2 月 1 日。关于具体的采集方法、原始数据来源、标注流程与人员信息，源站未提供。
【适用场景】
该数据集适用于文本分类任务的模型评估，尤其是需要模型对序列转换规则与节律模式进行判断的场景。模型需同时输出转换有效性、节律类别和语法偏离标志三项结果，因此可用于多输出分类或结构化预测的验证。其小规模特性使其适合作为快速原型验证、规则一致性检查或评分脚本调试的辅助数据。由于涉及临床愈合轨迹的抽象建模，也可用于探索模型对时序逻辑与节律形态的判别能力。
【使用方法】
使用时可先下载全部 3 个文件，合计约 5.53 KB。按文件格式读取：CSV 表格使用 pandas 或 polars 等库加载，PY 文件作为评分脚本运行。建议先在小样本上核对字段与编码，确认无误后再批量接入。训练与测试文件分别对应 data/train.csv 与 data/test.csv，评分逻辑由 scorer.py 提供。由于数据量较小，可直接在内存中完成加载与评估。
【质量与限制】
数据集规模较小，文件数量为 3 个，总体积约 5.53 KB，属于 n<1K 量级。关于数据质量、标注一致性、覆盖范围、偏差与局限性，源站未提供。许可为 MIT，使用时需遵循相应条款。
【引用与许可】
该数据集采用 MIT 许可发布，托管于 huggingface.co，发布者为 ClarusC64，发布时间为 2026 年 2 月 1 日。关于具体的引用格式与文献信息，源站未提供。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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-healing-trajectory-permissible-transition-rhythm-validity-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-healing-trajectory-permissible-transition-rhythm-validity-v0.1
数据集大小约 15.2 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
该数据集测试什么：模型能否判断愈合阶段序列是否遵循允许的转换规则和节律模式。所需输出：转换有效性、节律类别、违反语法标志。转换有效性标签：允许、存疑、无效。节律标签：双相、振荡、平台期后跃升、稳定线性、下降后反弹、混沌漂移。违反语法标志：违反语法_是、违反语法_否。允许的转换假设：急剧下降……完整描述见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-healing-trajectory-permissible-transition-rhythm-validity-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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
