即取即用的 AI-Ready 医疗数据集库

致力于为医疗 AI 研究人员找到合适的数据集。已收录 1,783 个 AI-Ready 数据集，覆盖医学影像、电子病历与文本、病灶分割与标注等多模态数据。

需要具备完整溯源、伦理合规与工程化交付的专病训练集？进入医疗数据商城 →

按工程化层级：

官方自营 · 合规交易

千方医数集 · 商业级 AI-Ready 数据集

查看全部商业数据

影像服务最快 4 周

乳腺阳性影像数据集

乳腺钼靶阳性病例影像数据，覆盖肿块、钙化等典型征象，面向乳腺 AI 辅助筛查模型训练。

去商城获取 →

影像服务最快 4 周

TCT 宫颈细胞学数据集

液基薄层细胞学（TCT）数字图像，含阴阳性判读结果，适配宫颈癌细胞学筛查模型。

去商城获取 →

需要更多专病队列？

千方医数集支持按病种、模态合规定制采集。

提交定制需求

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 1651 个数据集

基因组学与多组学医学问答与基准多模态

Rfam — 4,227 个 RNA 家族，每个家族一个协方差模型

4,227 个家族151 个 clan109,390 条种子序列协方差模型二级结构INFERNALCC0 许可不适用（RNA 家族模型库，无个体数据）

十个种子序列、一个协方差模型、一份共识二级结构：Rfam 是 RNA 世界的 Pfam，它不给你序列清单，给你的是「怎么在基因组里找出这个家族」的搜索器

[{'@type': 'DataCatalog', 'name': 'Rfam FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/Rfam/'}, {'@type': 'DataCatalog', 'name': 'Rfam 网站与 API', 'url': 'https://rfam.org/'}] 25

基因组学与多组学多模态医学问答与基准

RNAcentral — 六千万条非编码 RNA，四成是 rRNA

60,054,521 条序列56 个专家库113 万物种URS 统一标识MD5 去重rRNA 39.6%CC0 许可不适用（RNA 序列参考库，无个体数据）

60,054,521 条序列、56 个专家库、110 万个物种：它不产生数据，只做一件事——把同一个 RNA 分子在不同库里的十几个编号，归并成一个 URS

[{'@type': 'DataCatalog', 'name': 'RNAcentral API', 'url': 'https://rnacentral.org/api/v1/'}, {'@type': 'DataCatalog', 'name': 'RNAcentral FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/RNAcentral/'}] 28

神经科学多模态医学问答与基准

NeuroVault — 71 万张脑成像统计图，7.6% 的集合有 DOI

18,020 个集合715,894 张统计图18 个模板图谱99.5% 是统计图CC0 许可COBIDAS 元数据REST API 全开放不适用（组水平统计结果，非个体数据）。但注意：单被试统计图（抽样 7.6%）理论上在极端情况下可能含可识别信息，NeuroVault 未做去标识声明

18,020 个集合、715,894 张图、18 个模板图谱：这是全球最大的脑成像「结果图」公共库，存的是 z/t/F 值不是原始影像，也是「拿别人的结论当数据」最容易翻车的地方

[{'@type': 'DataCatalog', 'name': 'NeuroVault API', 'url': 'https://neurovault.org/api/'}, {'@type': 'DataCatalog', 'name': 'NeuroVault 网页检索', 'url': 'https://neurovault.org/images/'}] 28

基因组学与多组学药物发现与化学多模态

Complex Portal — 两万个蛋白复合物，写着每个零件有几个

20,580 个蛋白复合物27 个物种化学计量PSI-MI 标准人类 2,436 个FTP 全量 TSVXMLWeb Service 单条 JSON不适用（蛋白复合物参考目录，无个体层级数据）。疾病关联字段指向的是孟德尔遗传病与肿瘤，不是患者个体

20,580 个复合物、27 个物种、人类占 2,436 个：这是目前唯一一个把「化学计量」写进数据的蛋白机器目录，也是 STRING 与 IntAct 都缺的那一层

[{'@type': 'DataCatalog', 'name': 'Complex Portal Web Service', 'url': 'https://www.ebi.ac.uk/intact/complex-ws/'}, {'@type': 'DataCatalog', 'name': 'Complex Portal FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/intact/complex/current/'}] 43

公共卫生与流行病学基因组学与多组学多模态微生物组

GBIF — 四十亿条物种出现记录，七成七是动物，一成二是公民科学

3,983,162,286 条出现记录124,867 个数据集3,651 个发布机构48,872,354 个物种Darwin Core 标准169 个参与节点API 全开放不适用（物种出现记录，无人类个体数据）。但需注意：濒危物种的精确坐标可能被用于盗猎或非法采集，GBIF 对敏感物种提供坐标模糊化机制

3,983,162,286 条记录、124,867 个数据集、48,872,354 个物种：这是全世界最大的生物多样性出现记录网络，也是唯一一个靠博物馆标本和手机照片共同撑起来的库

[{'@type': 'DataCatalog', 'name': 'GBIF API', 'url': 'https://api.gbif.org/v1/'}, {'@type': 'DataCatalog', 'name': 'GBIF 数据集检索', 'url': 'https://www.gbif.org/dataset/search'}] 34

基因组学与多组学公共卫生与流行病学微生物组多模态

ENA — 八十拍字节的核酸总账，四千万次测序的入口

1,098,568 项研究55,877,279 个样本44,433,186 次运行80.7 PBINSDC 欧洲节点四层记录模型FTP + Portal API开放下载不适用（通用序列档案）。但需注意：人类受控访问数据在 EGA（European Genome-phenome Archive），不在 ENA 公开层；ENA 公开层的序列不含可识别个人身份的信息，但部

1,098,568 项研究、55,877,279 个样本、44,433,186 次测序运行：INSDC 欧洲节点，从 1980 年的一条序列长到今天

[{'@type': 'DataCatalog', 'name': 'ENA FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/ena/'}, {'@type': 'DataCatalog', 'name': 'EBI Search（官方索引口径）', 'url': 'https://www.ebi.ac.uk/ebisearch/ws/rest/sra-run'}] 32

基因组学与多组学变异与注释蛋白质组学药物-靶点相互作用

IMGT — 十二万条等位基因的命名权威，没有 API

12,922 个基因18,322 个等位基因42 个物种251,706 条 LIGM-DB 序列无 REST APICC BY 4.0开放下载目录不适用（免疫遗传学参考库，无个体记录；LIGM-DB 的 251,706 条序列是公开登记的序列，不含可识别个人身份的信息）

12,922 个基因、18,322 个等位基因、42 个物种：从 1989 年起，谁有资格给一个抗体基因命名，归这个库说了算

[{'@type': 'DataCatalog', 'name': 'IMGT 下载目录', 'url': 'https://www.imgt.org/download/'}] 25

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/'}] 31

基因组学与多组学变异与注释公共卫生与流行病学微生物组

BV-BRC — 一千七百万个病原基因组，九成是病毒

17,061,503 个基因组8,955,936,565 条基因组特征869,000,661 条专项基因17,634,751 条 AMR 记录免注册 APIFTPS 分发持续更新不适用（病原基因组库，无个体患者记录；含 2,237,561 条监测样本与 148,106 条血清学结果，但不含可识别个人身份的信息）

17,061,503 个基因组、89.6 亿条注释特征、8.69 亿条专项基因：NIAID 把细菌与病毒两个数据库焊在一起之后，数据长成了什么形状

BV-BRC（Bacterial and Viral Bioinformatics Resource Center，University of Chicago） url: https://www.bv-brc.org/ 38

基因组学与多组学变异与注释知识图谱

MGI — 小鼠成为人类疾病模型的那本账

75,252 个基因141,808 个突变等位基因415,358 条表型注释66,340,659 个 RefSNPCC BY 4.0 许可季度更新免注册直下不适用（小鼠模式生物库，无个体动物记录，无人类患者数据）

75,252 个基因、141,808 个突变等位基因、415,358 条表型注释：一个只服务一个物种、却支撑半个生物医学的知识库

MGI（Mouse Genome Informatics，The Jackson Laboratory） url: https://www.informatics.jax.org/ 35

基因组学与多组学变异与注释知识图谱

IPD-IMGT/HLA — 免疫遗传学的命名权威

47,424 个等位基因346 MB 扁平文本CC BY-ND 许可季度更新免注册直下JSON API 无鉴权不适用（等位基因参考库，含 78,489 条细胞系记录，无患者级数据）

47,424 个官方命名的 HLA 等位基因：从 1998 年的 964 个到今天的超多态体系

IPD-IMGT/HLA（EMBL-EBI / Anthony Nolan Research Institute） url: https://www.ebi.ac.uk/ipd/imgt/hla/ 43

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 33

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。