即取即用的 AI-Ready 医疗数据集库

Google Research 于 CVPR 2021 发布的通用食物营养理解数据集——加州园区自助餐厅采集 5,006 盘真实餐盘，配 4 路侧角扫掠视频、俯拍 RGB-D 图像、电子秤逐成分克重与 USDA 数据库换算的高精度营养标注，官方基线模型对卡路里的预测误差低于专业营养师的视觉估计，全量数据以 CC BY-4.0 许可公开

Google 加州园区自助餐盘认知扫描平台：4 路树莓派侧角视频（1920×1080，30°/60° 俯仰交替）+ Intel RealSense D435 俯拍 RGB-D（16-bit 深度）+ 盘下电子秤逐成分增量克重（±1 g）+ USDA Food and Nutrient Database 换算的逐成分与全菜营养标注 25

医学影像医疗NLP生物医学文献医学问答与基准评测基准

PubTabNet — 56.8 万张文献表格图像的 HTML 识别数据集

自动标注影像数据原始数据568k+ 张表格图像（无患者级口径；来源文献为已发表的开放获取生物医学期刊论文）

IBM Research Australia 从 PubMed Central 开放获取子集自动对齐 PDF 与 XML 生成的 568k+ 表格图像+HTML 标注语料，附带 EDD 编码器-双解码器模型与 TEDS 树编辑距离指标，是图像表格识别领域事实上的基准数据集

PubMed Central Open Access Subset（commercial use collection）论文的表格区域 PNG 图像 + 自动对齐生成的 HTML 结构与单元格文本标注（jsonl，含非空单元格 bbox） 24

医学影像MRI脑影像医学图像分割神经科学评测基准

BrainWeb — MRI 仿真脑数据库与真值金标准

合成数据影像数据人工标注正常脑解剖模体 1 套（旧版，10 类标签）+ 20 个正常脑模体（2006 扩展，12 类标签）+ MS 病变模体 3 套（moderate 进预计算库；mild/severe 仅定制模拟）

McGill McConnell 脑影像中心用数字脑模体按 Bloch 方程第一性原理生成的 MRI 仿真数据库——提供模糊隶属度与离散标签双轨真值，3 模态×5 层厚×6 噪声×3 INU 预计算网格，20 个正常脑模体扩展

数字脑模体（1mm 各向同性 181×217×181，Talairach 空间）：模糊组织隶属度体 + 离散类别标签体；MRI 模拟器按 Bloch 方程生成的 T1/T2/PD 体积（3 模态×5 层厚×6 噪声×3 INU 预计算网格）+ 20 模体 T1 数据（SFLASH TR=22ms/TE=9.2ms/翻转角 30°） 26

多模态医学影像医学图像分割图像分类医疗NLP

MedTrinity-25M — 2500 万级多粒度标注医学多模态数据集

原始数据文本标注自动生成标注2500 万幅图像（25M 全量 / 18M accessible / 75K demo 三档），覆盖 10 种模态与 65 种以上疾病；患者级数量未披露

UCSC-VLAA 与华中科技大学等联合构建的超大规模医学多模态图像-感兴趣区-描述三元组数据集：2500 万幅图、10 种模态、65 种疾病，自动流水线产出病灶级多粒度文本标注，无需人工配对报告，支撑 ICLR 2025 论文与 LLaVA-Tri 基础模型

28 个公开医学影像源数据集（CheXpert、MIMIC-CXR-JPG、DeepLesion、TCGA、BRATS、SLAKE、PathVQA、PMC-OA、Quilt-1M、ULS23 等）+ 自动流水线生成的病灶级多粒度文本描述（MLLM+RAG） 21

医疗NLP临床文本电子健康记录临床电子病历评测基准

MedSecId — 临床笔记章节识别标注语料

人工标注文本数据原始数据2,002 份临床笔记（来源患者数未在论文中以唯一患者口径披露）；覆盖 50 种章节类型、5 类笔记来源（出院小结/放射/会诊/超声心动/医生病程记录）

首个大规模公开的临床笔记章节识别（Section Identification）语料——2,002 份 MIMIC-III 临床笔记逐句标注 50 种章节类型，由 2 名主治医师与 1 名高年资住院医标注，Krippendorff α 达 0.84-0.87，BiLSTM-CRF 基线 Micro F1 达 0.955；标注文件 Zenodo 公开，笔记原文需 PhysioNet 凭证

MIMIC-III v1.4 NOTEEVENTS 临床笔记全文（出院小结、放射报告、会诊记录、超声心动报告、医生病程记录五类）+ 逐句章节标注（span+标签，Zenodo record 7150451 公开） 38

基因组学与多组学蛋白质组学医学影像CT病理图像肿瘤学

CPTAC-PDA — 胰腺导管腺癌多组学与影像队列

原始数据影像数据人工标注140 例胰腺导管腺癌肿瘤 + 67 例癌旁正常（NAT）+ 9 例正常胰管组织；TCIA 放射影像覆盖 110 受试者/134 检查，病理 SVS 168 例

NCI CPTAC 联盟对 140 例胰腺导管腺癌的蛋白基因组学全景研究：全蛋白组/磷酸化/糖蛋白组/乙酰化+WGS/WES/甲基化/RNA-seq 多平台整合，配 TCIA 放射 CT 与病理 WSI，Cell 2021 主论文数据全链路公开

CPTAC-PDA 队列多平台数据：TMT11 全蛋白组、磷酸化蛋白组、完整糖蛋白组、DIA 蛋白组（PDC PDC000270/271/272/341）+ WGS/WES/EPIC 甲基化/RNA-seq/miRNA-seq（GDC/dbGaP）+ TCIA 放射 CT DICOM（含 NCI 3D 分割与 seed points）+ H&E 病理 WSI（SVS） 44

医学影像图像分类医学图像分割挑战赛数据集评测基准

IUGC 2024 产时超声挑战赛数据集 — 标准平面分类·胎头耻骨联合分割·AoP/HSD 自动测量的 MICCAI 2024 产时超声视频挑战赛数据集

人工标注影像数据原始数据训练 456 个视频（288 全标准平面 + 168 全非标准平面）；帧级：标准平面 24,434 帧（含 2,906 帧分割标注）+ 非标准平面 31,450 帧；患者总数未公开

MICCAI 2024 产时超声 Grand Challenge：三所中国大学医院 456 个训练视频（288 标准平面 + 168 非标准平面）、24,434 个标准平面帧与 31,450 个非标准平面帧，三位超声医师标注 2,906 帧胎头/耻骨联合分割，级联完成标准平面分类、双结构分割与进展角/头耻距自动测量

产时经会阴超声视频（三所中国大学医院产房实采）+ 胎儿头/耻骨联合像素级分割掩码（3 名超声医师标注 2,906 帧）+ 标准平面二分类帧级标签 + 官方基线训练/评估代码与提交样例 24

医疗NLP临床文本药物安全公共卫生与流行病学命名实体识别

PsyTAR — 精神科药物不良反应评论语料

文本数据人工标注原始数据891 篇药物评论帖（JBI 口径 887 篇含文本：SSRI 428 + SNRI 459）；6009 句；平均年龄 37 岁

891 篇 askapatient 患者评论拆 6009 句，三层标注（句子分类/实体识别/UMLS-SNOMED 归一化），CC BY 4.0 开放

askapatient.com 医疗评价论坛 API 采集的四种精神科药物（Zoloft/Lexapro/Cymbalta/Effexor XR）患者评论，经去个人信息与语法修正后拆句，双人标注句子分类（ADR/WD/SSI/DI/EF/INF/Others 七类）与四类实体 mention，再归一化到 UMLS 与 SNOMED CT；CSV 格式分发 46

生理信号语音信号挑战赛数据集评测基准儿科

SPRSound — 首个公开儿科呼吸音数据库：2,683 条录音与 9,089 个事件的听诊 AI 基准

人工标注原始数据音频数据292 名受试者（1 个月至 18 岁儿科人群）；2,683 条记录、9,089 个呼吸音事件

上海交大联合上海儿童医学中心采集的儿科呼吸音库——1 个月至 18 岁、11 名儿科医师金标准标注、自研 SoundAnn 标注软件，历经 2022-2025 四届 IEEE BioCAS 呼吸音挑战赛，从事件级/记录级分类扩展到压缩与事件检测双赛道

上海儿童医学中心（SCMC）儿科呼吸科现场采集的 .wav 呼吸音 + 同名 .json 双层标注（记录级 + 事件级）；IEEE DataPort DOI 10.21227/nfkk-1x47｜GitHub SJTU-YONGFU-RESEARCH-GRP/SPRSound 32

生理信号语音信号可穿戴传感评测基准

HF_Lung_V1 — 开放获取肺音数据库与呼吸相位检测基准

人工标注原始数据时序数据来源受试者 279 名（TSECC 2020 数据库 261 名患者 + 台湾北部 RCW/RCC 18 名住院者）；录音段 9,765 段（每段 15 秒）

Heroic-Faith 与台湾团队构建的 9,765 段 15 秒肺音库——含 34,095 吸气/18,349 呼气/13,883 连续异常音/15,606 爆裂音标签，自研 HF-Type-1 八麦克风设备，CC BY 4.0 于 GitLab 公开，八种 RNN 变体基准确立双向优于单向、加 CNN 增益的结论

台湾智慧急诊与重症监护（TSECC）2020 数据挑战赛数据库（CC BY 4.0，台湾急诊重症医学会 TSECCM 提供，261 名患者）+ 台湾北部呼吸照护病房/呼吸照护中心（RCW/RCC）18 名住院者于 2018 年 8 月至 2019 年 10 月的录音（伦理批件 107052-F） 58