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 1338 个数据集

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/ 42

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/ 45

生理信号脑电信号神经科学脑机接口多模态

Multisession fNIRS-EEG Post-Stroke Motor Recovery — 16 名偏瘫患者 84 次康复训练的同步脑电+近红外纵向数据集

原始数据时序数据临床评估多模态16 名上肢偏瘫卒中患者（6 女 10 男，42–71 岁）；康复会话 84 次；每例最多 6 次 session

Skoltech 联合俄罗斯联邦大脑与神经技术中心、莫斯科国立大学发布的全球首个长期同步 EEG-fNIRS 卒中公开数据集：8 导 EEG 与 70 通道 fNIRS 硬件级对齐，健手与患手各 84 次会话，附 ARAT/Fugl-Meyer 临床量表

同步采集的 8 导 EEG（NVX-52，500 Hz）+ 70 通道 fNIRS（NIRSport 16×16/8×8，760/850 nm，13.56 Hz）+ 2 路 EMG + 1 路 ECG；SRT 键压任务（健手/患手各 ≥3 run/会话）；ARAT 与 Fugl-Meyer 临床评分；人口学与病灶信息（Figshare 公开） 32

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 32

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） 28

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 50

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 85

生理信号睡眠信号可穿戴传感评测基准

DREAMT

时序信号数据人工标注原始数据100 名受试者（每人一夜同步记录；SID 编号 S002-S103 非连续）

Duke 大学 Jessilyn Dunn 团队的单晚临床 PSG + Empatica E4 腕式可穿戴时序对齐多模态数据集——100 名睡眠障碍门诊患者、64Hz/100Hz 双目录、30 秒 AASM 分期，CHIL 2024 提出 LSTM 后处理与混合效应提升树集成，PhysioNet 受限访问发布

Empatica E4 腕式可穿戴时序（BVP 64Hz、EDA/TEMP 4Hz、三轴 ACC 32Hz、HR 1Hz、IBI）+ Nihon Kohden 台式 PSG 全通道（EEG×5、EOG×2、颏 EMG、ECG、气流×2、呼吸努力×2、鼾声、腿动×2、SaO2）+ 30 秒 AASM 睡眠分期标签 + participant_info.csv 人口学与睡眠医学指标 80

电子健康记录医学问答与基准多模态X光影像

EHRXQA

影像数据时序数据派生数据一体化数据库 silver 800 患者（训练/验证，机器标注）+ gold 400 患者（测试，人工标注）；三上游共享患者 19,264；QA 对 46,152（train 36,174 / val

首个融合结构化电子健康记录与胸片图像的多模态问答基准——NeuralSQL 把视觉问答函数嵌进 SQL 执行流，417 个模板机器生成 46,152 道临床题，NeurIPS 2023 Datasets & Benchmarks 发表、PhysioNet v1.0.0 凭证获取

MIMIC-IV v2.2（17 张结构化表：患者/入院/诊断/药物/检验等）+ MIMIC-CXR-JPG v2.0.0（227,835 张胸片元数据）+ Chest ImaGenome v1.0.0（胸片区域-异常结构化注释）合成的一体化 mimic_iv_cxr 数据库（18 张表，含 tb_cxr 桥表）+ 模板驱动生成的 46,152 道 (Question, SQL/NeuralSQL, Answer) 三元组 35

医疗NLP临床文本X光影像评测基准

ReXErr-v1

文本数据标注数据评测集报告文本源自 MIMIC-CXR 去标识真实报告（母集 65,379 名患者/227,835 份报告）；ReXErr 精确报告总数官方未披露，唯一口径为 GitHub README '200k+ re

哈佛医学院 Rajpurkar 实验室放射报告合成错误数据集——GPT-4o 向 MIMIC-CXR 报告注入 12 类错误（三子类，每报告固定 3 处），Llama 3.1 句级三值标注，100 份临床审查 83% 合理，PhysioNet 2025-03-19 以 ODbL 1.0 开放，RadGraph 系报告结构化三部曲第三卷

MIMIC-CXR v2.0.0 去标识放射报告（unique reports 去重 + AP/PA/Lateral 视图过滤）→ GPT-4o 每报告注入 3 处错误（12 类/3 子类）→ Llama 3.1 句级事后标注（error_present 三值 0/1/2 + error_type） 37