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 1,754 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 1627 个数据集

医学影像病理图像肿瘤学

TCGA 肿瘤浸润淋巴细胞图谱 — 十三癌种网格化标注

五千余张 H&E 全切片patch 级 TIL 比例CSV 网格热图含生成代码全量 73.4 GB4,759 例受试者（13 个 TCGA 癌种）

4,759 例、5,202 张 H&E 切片：patch 级 TIL 比例热图与生成代码

Stony Brook University（SBU-BMI）/ TCIA url: https://www.cancerimagingarchive.net/analysis-result/til-wsi-tcga/ 14

医学影像脑肿瘤多模态影像医学图像分割神经科学

ReMIND 脑肿瘤切除术中影像库 — 一百一十四例

影像数据人工标注原始数据元数据一百一十四例（原始筛查一百二十三例，排除九例）

一百一十四例 · 术前 MR＋术中三维超声＋术中 MRI · 三百五十六个分割

https://www.cancerimagingarchive.net/collection/remind/ 16

医学问答与基准医疗NLP评测基准

JAMA 临床挑战病例集 — 一千五百例可推理的真实病例

文本数据专家标注多选题问答真实病例1,524 例临床病例（官方口径，论文表 1 与表 2 一致），改写为同等数量的四选一题目；来源文章时间跨度为 2013 年 7 月至 2023 年 10 月

一千五百余例真实疑难病例、四选一、专家解释、正文不公开只给网址与爬虫

JAMA 网络 Clinical Challenge 专栏在线全文，经爬虫抓取后取病例描述段、多选题题干与选项、正确答案、讨论段（即专家解释）与所属期刊；影像被明确排除，仅保留文本 10

医疗NLP医学问答与基准电子健康记录临床文本

RadQA 放射报告问答集 — 问题从转诊单里长出来

文本数据人工标注抽取式问答100 名患者（MIMIC-III 随机抽样，纳入标准为每人 1–36 份报告以剔除极端值），对应 1,009 份放射报告；上游 MIMIC-III Clinical Database v1.4 共

1,009 份 MIMIC-III 报告、3,074 个医生提问、6,148 个问答槽位的抽取式阅读评测集

MIMIC-III 放射报告正文（转诊段、所见段、印象段）；发放文件为 train.json / dev.json / test.json 三个 SQuAD 格式 JSON，每条记录含报告段落、问题文本、答案跨度及其在段落中的起止位置 19

基因组学与多组学微生物组测序数据变异与注释

微生物组统一参考树 — Greengenes2

参考序列本体映射文献引用开放许可不适用（两千余万条参考序列与一棵系统发育树，计数单位是序列与枝，不是人）

2024.09 版 / 2347 万条序列 / GTDB 七级命名

http://greengenes2.ucsd.edu/ 15

基因组学与多组学药物发现与化学肿瘤学

CellMinerCDB 跨库细胞系药敏整合平台 — 十源一套标识

多组学药物敏感性细胞系注释跨库整合处理后矩阵不适用（以细胞系模型计数：跨源合计约一千四百系，单一源最多约一千系）

十个库源 / 近二十类数据 / 一套基因与 NSC 标识 / 冲突只并列不合并

https://discover.nci.nih.gov/cellminercdb/ 13

基因组学与多组学微生物组测序数据队列研究

人体多部位菌群基线 — HMP 人类微生物组计划

多组学元数据原始数据链接文献引用HMP1 入组三百人、进分析二百四十二人；iHMP 三个队列合计逾一千七百名参与者

2007–2016 两期 / 五个身体部位 / 16S 加鸟枪宏基因组 / 一批分离株参考基因组

https://commonfund.nih.gov/hmp 16

基因组学与多组学变异与注释转录组

弓形虫基因组数据库 ToxoDB — 一个名字，两个所指

多组学元数据派生数据不适用（以基因组与数据集计数：三十余个已测序注释的基因组）

三十二个基因组 / 第 71 版 / 关停之后靠订阅活着

https://toxodb.org/toxo/ 15

基因组学与多组学代谢组学知识图谱

BioCyc 通路基因组库集合 — 两万库的三级策展分层

知识库代谢通路元数据物种基因组不适用（以数据库计数：物种库两万零九十五个，其中人工深度策展五个、中度策展七十余个、自动生成一万九千九百八十五个）

两万零九十五个物种库 / 五个深度策展 / 一万九千九百八十五个自动生成 / 两个免费

https://biocyc.org/ 11

基因组学与多组学转录组测序数据

基因组表达档案 GEA — 表达矩阵在 GEA，原始读段在 DRA

基因表达矩阵元数据转录组表观基因组单细胞不适用（记录级计数；本库不收需受控访问的人类个体数据）

DDBJ 中心的功能基因组档案 / 收微阵列、测序、单细胞与空间表达 / 与 GEO、ArrayExpress 同类不同库

https://www.ddbj.nig.ac.jp/gea/index-e.html 12

医学影像MRI乳腺影像肿瘤学乳腺癌

对侧乳腺 MRI 影像集（ACRIN 6667）

原始数据影像数据临床随访人工采集984 例（TCIA 收录口径）；试验实际入组千余人，其中 969 人进入主分析

ACRIN 6667 的 TCIA 影像侧：984 例单侧乳腺癌患者确诊后对侧乳腺的增强 MRI，1,103 个检查、万余个序列、199.59 GB，附按病例报告表拆分的临床表，CC BY 4.0 公开直链

https://www.cancerimagingarchive.net/collection/acrin-contralateral-breast-mr/ 11