即取即用的 AI-Ready 医疗数据集库

千方医数集致力于为医疗 AI 研究人员找到合适的数据集，让你的 AI 感知模型能够更快地学习、更准确地运行，并无缝适应现实世界的环境。

医学影像 AI-Ready 数据集

CT MRI 病理 X光

电子病历与文本数据集

电子病历病历文本

病灶分割与标注数据集

病灶分割数据标注

按任务类型浏览

图像分类目标检测语义分割

共 754 个数据集

医疗NLP公共卫生与流行病学评测基准

arXiv 预印本 — 326 万篇，医学影像模型的真正首发地

3,226,976 篇1991 年至今eess.IV 医学影像元数据 CC0逐篇选许可Atom API每日约 1,000+ 篇不适用（学术预印本文献，无患者数据；部分论文含公开数据集上的实验，但数据集本身不在 arXiv 内）

它不是一个数据集，是一个每天新增一千多篇论文的开放档案：eess.IV（影像与视频处理）是医学影像方法的首发地，通常比期刊早 6–18 个月。元数据全部 CC0，正文许可由作者逐篇选择——这意味着你拿到的每一篇，可用范围都不一样，而这是把它当训练语料时最容易忽略的一处

arXiv（Cornell University 运营） url: https://arxiv.org/ 7

基因组学与多组学变异与注释多模态知识图谱

Alliance of Genome Resources — 九物种联盟，五成七是重复行

56,677,795 个实体1,909,959 条表型注释（去重后）51,188,465 条变异23.04 GB 下载9 个物种8 个成员库100% 挂 PMID开放 S3 桶不适用（模式生物参考库，无人类个体级记录；HUMAN 轴为基因-疾病注释，非队列数据）

56,677,795 个实体、1,909,959 条表型注释、23.04 GB 下载：八个模式生物库合并成一个库之后，字段统一了，语义没有

[{'@type': 'DataCatalog', 'name': 'Alliance of Genome Resources 下载站', 'url': 'https://download.alliancegenome.org/'}] 13

公共卫生与流行病学生物医学文献调查数据

Dryad — 论文附录数据的第一落点

65,786 个已发布数据集50,000,000+ 文件CC0 1.0 全库强制DOI 前缀 10.5061免注册直下JSON API 无鉴权不适用（通用存储库，收录 65,786 个独立数据集）

CC0 强制的通用数据存储库：2024/25 财年 65,786 个已发布数据集、5,000 万+ 文件、全部 DOI 化

Dryad Digital Repository url: https://datadryad.org 14

神经科学生理信号脑电信号多模态

IBL Brain-Wide Map — 小鼠全脑决策活动图谱

12 个实验室139 只小鼠459 个 session699 次探针插入62.2 万个单元7.5 万个良品单元279 个脑区AWS 公开桶0

12 个实验室、139 只小鼠、69.9 万次探针插入，拼出一张全脑活动图

国际脑实验室（International Brain Laboratory）联合建设，12 个实验室贡献数据；存储由 AWS Open Data 计划承担（桶 ibl-brain-wide-map-public，us-east-1）；访问入口 internationalbrainlab.org 21

医学影像图像分类

CXLSeg — 胸片肺分割数据集

243,324 张正位胸片 + 同名掩码6,500 患者子文件夹CheXpertNegBio 派生标签80:10:10 官方划分SA-UNet 基线 Dice 96.80%243,324 张正位图像 / 6,500 个患者子文件夹（母集 MIMIC-CXR 共 65,379 患者 / 377,110 张图像）

CXLSeg：MIMIC-CXR 的 243,324 张正位胸片成品分割包——图像与掩码同名成对、CheXpert/NegBio 标签随行、80:10:10 划分，把肺分割实验的开箱成本压到最低

https://physionet.org/content/chest-x-ray-segmentation/1.0.0/ 41

医学影像电子健康记录

脓毒症急诊胸部 CT — Sepsis-3 影像队列

836 次胸部 CT（NIfTI）337 例 Sepsis-3 住院14 张 CSV 表约 396 万行ExamReport 6,037 行中文检查报告PhysioNet + OMIX 双存储728 次就诊（含门诊）/ 337 例住院（103 女 + 234 男）/ 327 例住院有 CT

浙江省人民医院急诊 ICU 的 836 次脓毒症胸部 CT 与 14 张临床表格——把杭州 EHR 管线从纯表格延伸到影像的深表型续章

https://physionet.org/content/chest-ct-sepsis-er/1.0.0/ 42

医学影像X光影像影像-文本对齐临床文本医疗NLP

美国国家医学图书馆与印第安纳大学开放胸片报告图文对数据集

图文对影像数据文本数据标注数据每人一次检查，INPC 两家医院各约 2,000 例，合计约 4,000 例抽取

3,955 份放射报告配 7,470 幅胸片 · 双人 MeSH/RadLex 编码 · CC BY-NC-ND 4.0 直链下载

Indiana Network for Patient Care 两家医院系统的门诊后前位胸片检查；影像取自 PACS 的 DICOM，报告取自同一检查的放射科叙述性报告；经 RSNA CTP 与 DICOM Supplement 142 影像脱敏、Regenstrief Scrubber 文本脱敏后，由 NLM 图像组做双人 MeSH/RadLex 手工编码与 MTI 自动标注 121

医学影像CTX光影像挑战赛数据集评测基准

COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset — 六欧洲中心盆腔放疗 CBCT 原始投影数据集

原始数据影像数据867 例患者（训练 692 / 验证 52 / 测试 123；盆腔放疗；六欧洲中心；性别/年龄/癌种分布未公开）

867 例盆腔放疗 CBCT 原始投影+采集几何+形变配准 planning CT+模拟投影的双厂商（Elekta/Varian）多中心投影域数据集：训练集 692 例约 750 GB 已于 2026-07 开放，验证/测试集封存至 2032-03 保障 COBRA2026 挑战赛独立评测，CC BY-NC 4.0

六欧洲中心直线加速器机载 CBCT 实测原始投影（Elekta 与 Varian 双厂商）+ RTK 格式采集几何 + 厂商校准/校正文件（匿名化转开放格式）+ 临床重建 CBCT + 形变配准 planning CT + 模拟 CBCT 投影；大数据本体托管 CREATIS（里昂），Zenodo 承载 DOI 索引与论文 PDF、训练集 QC 概览图 23

医学影像CT视觉问答评测基准目标检测影像-文本对齐

CT-Bench — DeepLesion 病灶级图文重标注与七任务 CT 视觉问答基准

人工标注影像数据原始数据3,793 名患者 / 7,795 例 CT 检查 / 20,335 个病灶实例（训练 2,835 人 / 验证 342 人 / 测试 616 人）

20,335 个病灶 / 7,795 例 CT / 3,793 名患者的病灶级描述、尺寸与 BBox 资源，叠加 2,850 道四选一难负例 QA，NIH 团队 GPT-4 预标+专家终审流水线产出，Kaggle 公开 CC BY-NC-SA 4.0

DeepLesion 子集（33,688 张 bookmark 图 → 保留 20,335 病灶 / 7,795 检查 / 3,793 患者）的 8-bit 窗化 PNG 关键切片 + BBox 坐标 + PACS 派生病灶描述与标准化尺寸 + RadLex 本体属性表 + 2,850 道七任务四选一 QA（qa_llm.json / qa_clip.json）+ 患者级划分文件 + 复现脚本 27

医学影像眼科影像图像分类糖尿病视网膜病变公共卫生与流行病学评测基准

mBRSET — 移动巴西视网膜数据集 5,164 张手持眼底照

人工标注影像数据原始数据1,291 名糖尿病患者 / 5,164 张眼底彩照（单次筛查活动，2022 年 11 月）

首个用 Phelcom Eyer 手持相机在巴西高负担社区场景采集的糖尿病视网膜病变数据集：5,164 张 / 1,291 名患者，附 ICDR 分级、黄斑水肿、教育/医保公平性标签

巴西巴伊亚州伊塔布纳市 Itabuna Diabetes Campaign 现场采集的 5,164 张眼底彩照（Phelcom Eyer + Samsung Galaxy S10，1600×1600 px JPEG）+ labels_mbrset.csv（24 列元数据与标签） 26

医疗NLP临床文本电子健康记录重症监护医学问答与基准

MIMIC-Ext-SynNotes — 用 LLM 改写 MIMIC-III/IV 生成的十亿词级合成临床笔记语料

合成数据文本数据原始数据约 464 万条唯一笔记（~1.4B 词，来源 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 去重后）；患者级数量沿用上游 MIMIC 口径（MIMIC-III 约 4 万

五个开源权重 LLM（Llama/Mistral/Qwen/Gemma/Mixtral）把 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 的全部 464 万条真实笔记改写为 8 个合成语料、合计 137 亿词——粗粒度任务保住效用、细粒度细节丢失，分片改写挽细节却增幻觉，是全库最大的 LLM 合成临床文本样本

MIMIC-III Clinical Database v1.4 与 MIMIC-IV-Note v2.2 的全部临床笔记（去标识），经 Llama-3.1-8B-Instruct / Mistral-7B-Instruct-v0.3 / Qwen-2.5-7B-Instruct（笔记级+分片级）与 Gemma-2-9B-it / Mixtral-8x7B-Instruct-v0.1（仅分片级）改写为 8 个 UTF-8 CSV 合成语料，共 13.7B 词 46

医学影像乳腺影像医学图像分割图像分类乳腺癌评测基准

BUS-BRA — 巴西 INCA 1064 患者乳腺超声 CAD 评估集：病理+BI-RADS 2 — 5+分割掩膜三标注与官方标准化折

人工标注影像数据原始数据1,064 名女性患者（对应 1,875 张 B-mode 超声图；平均约 1.76 张/患者，含双侧与多切面）

BUS-BRA 乳腺超声数据集条目：1,064 患者 1,875 张 B-mode 图，同含活检病理（良/恶性）、资深超声医师 BI-RADS 2–5 分级与手工分割掩膜三类标注，附带官方 5 折/10 折交叉验证划分；CC BY-4.0 于 Zenodo 公开直链（BUSBRA.zip 133.9MB），Medical Physics 2024（DOI 10.1002/mp.16812）配套论文；并收录第三方审计发现——官方划分仅图像级互斥、非患者级，修正后分割/分类指标显著回落

Zenodo 记录 10.5281/zenodo.8231412（BUSBRA.zip，133.9 MB，md5 1f8b2be6476d58fc97bfb5e5a1ea9bab）——含 PNG 图像 + PNG 二值分割掩膜 + 逐图 CSV 元数据（BI-RADS / pathology / histology / 患者标识）；配套代码 github.com/wgomezf/BUS-BRA 80

定制数据集服务

无法找到所需数据？我们提供个性化的临床数据采集与高精度人工标注服务，满足您的特定算法研发需求。