ClarusC64 临床四元灌注缓冲滞后耦合创伤恶化 v0.2

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-perfusion-buffer-lag-coupling-trauma-deterioration-v0.2")
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-perfusion-buffer-lag-coupling-trauma-deterioration-v0.2

数据集大小约 4.2 KB。

仓库文件结构

• .gitattributes
• README.md
• scorer.py

数据说明

本仓库的功能 该数据集评估机器学习模型能否利用系统状态和系统运动来检测临床恶化轨迹。早期的Clarus数据集（v0.1）描述了系统在状态空间中的位置。Clarus v0.2数据集引入了一个轨迹信号，指示系统下一步的移动方向。因此，该数据集测试模型能否在当前状态看似稳定的情况下检测到即将发生的不稳定性。核心四元……请参阅数据集页面上的完整描述：https://huggingface.co/datasets/ClarusC64/clinical-quad-perfusion-buffer-lag-coupling-trauma-deterioration-v0.2。

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-perfusion-buffer-lag-coupling-trauma-deterioration-v0.2