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 1281 个数据集

MedVAL-Bench 医学文本校验基准

医疗NLP临床文本医学问答评测基准

MedVAL-Bench 医学文本校验基准

文本数据人工标注指令数据840 条医师标注输出（12 位医师；MIMIC 派生 310 条需认证获取，公开镜像 530 条）

840 条医师标注的 LM 医学输出校验基准——12 位内科与放射科医师按 10 类错误与 4 级风险分级，专测「判断一段医学表述是否站得住脚」而非「会不会写」

六项上游语料的输入-输出对（MedicationQA / MeQSum / Open-i / MIMIC-IV / MIMIC-IV-BHC / ACI-Bench）+ 生成器 LM 按四档扰动指令产出的输出 + 12 位医师的错误评估与风险分级 16

VTaC — ICU 床旁监护仪室性心动过速报警专家双标注基准

生理信号心电信号重症监护评测基准

VTaC — ICU 床旁监护仪室性心动过速报警专家双标注基准

人工标注生理波形原始数据5,037 条 VT 报警事件 / 2,260 名患者波形记录（train 1,808 / val 226 / test 226）；底层池 2,376 名患者、20,158 条连续波形记录（2013-

三所美国医院 ICU 触发的 5,037 条室性心动过速（VT）报警：每条由至少两名专家独立标注真假、三厂商多模态波形（ECG+PPG/PLETH+ABP，250 Hz），假报警占 71.39%——继 PhysioNet Challenge 2015 之后报警疲劳研究最大规模的公开基准，NeurIPS 2023 Datasets & Benchmarks 发表

美国三所大型医院 ICU 床旁监护仪多模态波形（三主流厂商设备；每条 ≥2 ECG 导联 + PPG/PLETH 与/或 ABP 脉搏波形；统一重采样 250 Hz；WFDB 格式）+ event_labels.csv 专家终审标签 + benchmark_data_split.csv 官方划分 30

RadNLI 放射报告自然语言推理数据集

医疗NLP医学问答与基准电子健康记录多模态

RadNLI 放射报告自然语言推理数据集

文本数据人工标注无独立受试者队列：句对文本源自 MIMIC-CXR 验证集报告，沿用 MIMIC-CXR 口径（验证集约 1,000 余例检查、数百名患者）；数据集本身只含去标识化的报告句子与推理标签

斯坦福团队在 PhysioNet 发布的放射学报告域自然语言推理评测集：句对采自 MIMIC-CXR 验证集报告，由医学专家与计算机科学专家双向标注三类推理标签，用于评估放射报告生成的事实一致性

MIMIC-CXR v2.0.0 验证集放射报告句对：每条 JSONL 记录含 pair_id、sentence1（前提）、sentence2（假设）与 gold_label 三类推理标签，另附论文参考代码快照 ifcc-code 目录 25

ARCADE 冠脉造影狭窄检测与血管分割数据集

医学影像X光影像医学图像分割目标检测挑战赛数据集心血管疾病

ARCADE 冠脉造影狭窄检测与血管分割数据集

人工标注影像数据原始数据1,500 例（数据论文 Patient cohort 口径；帧级标注 3,000 帧）

MICCAI 2023 冠脉造影基准：每条任务 1,500 帧专家帧级标注，按 SYNTAX 段号分割血管并以实例分割形式给出≥50% 狭窄斑块，训练/验证/测试 1,000/200/300，CC0 全开放

哈萨克斯坦阿拉木图心脏病与内科研究所 X 光血管造影档案；Philips Azurion 3 与 Siemens Artis Zee 两台造影机，512×512 像素 DICOM 抽帧后转 PNG，CVAT 标注，COCO JSON 26

MIMIC-III 出院小结问题性阿片使用标注集

医疗NLP临床文本电子健康记录重症监护命名实体识别真实世界数据

MIMIC-III 出院小结问题性阿片使用标注集

人工标注文本数据去标识化数据100 名患者（来源为 MIMIC-III 中 762 名带 ICD-9 OUD 相关编码患者中的随机样本）；137 份出院小结

100 名 ICU 患者、137 份出院小结、3,270 条句级与患者级标注，33 类阿片使用及相关语境标注模式，PhysioNet 认证访问

MIMIC-III Critical Care Database 中带 ICD-9 阿片类使用障碍相关编码患者的去标识化出院小结，经 eHOST 做句级与患者级人工标注后导出为单个 CSV 22

ECHOVIEW 超声心动图切面分类标注

医学影像多模态图像分类心血管疾病

ECHOVIEW 超声心动图切面分类标注

机器学习标注影像数据463 名患者（BIDMC，2017-2019）

MIMIC-IV-ECHO 派生切面分类标注：463 名患者 717 项检查的经胸超声视频逐段输出 23 类视图概率，机器学习预标注而非人工金标准

PhysioNet（MIT Laboratory for Computational Physiology） url: https://physionet.org/content/echoview/0.1/ 22

Endo-Aid 子宫内膜癌 Pipelle 活检检测

医学影像病理图像图像分类挑战赛数据集肿瘤学

Endo-Aid 子宫内膜癌 Pipelle 活检检测

人工标注影像数据临床数据91 张 WSI（测试集，对应 91 例 Pipelle 活检；患者级唯一性未在公开页面明确说明）；训练集 2,819 张不公开

Radboudumc 用 91 张 H&E 全切片搭起的公开测试集与在线评测平台：15 位病理医生的多数票当金标准，训练集不公开，只开放测试

Radboud University Medical Center（荷兰奈梅亨）病理科 2013 年 10 月至 2021 年 4 月的子宫内膜 Pipelle 活检 H&E 染色全切片，3DHistech P1000 扫描，MRXS 转 TIFF，91 张打包为 rar 13

The Human Sleep Project — 12 万夜五中心真实临床多导睡眠图全生命周期数据集

生理信号睡眠信号脑电信号临床电子病历真实世界数据队列研究

The Human Sleep Project — 12 万夜五中心真实临床多导睡眠图全生命周期数据集

原始数据人工标注临床数据信号数据90,166 名唯一患者（摘要口径 more than 90,000）

HSP v3.0：90,166 名患者、119,234 条整夜记录、5 个美国学术医疗中心的临床 PSG（115,129）与家庭睡眠呼吸监测（4,105），BIDS 1.7.0 结构 + 22 类 ICD-10 诊断链接 + 人工与 CAISR 自动双标注，受 DUA 资质访问

5 个美国学术医疗中心（Stanford、Massachusetts General Brigham、Emory、Beth Israel Deaconess、Boston Children's）的临床常规 PSG 与 HSAT 归档；去标识后经 BIDS 1.7.0 结构化，并链接去标识人口学与 EHR 的 ICD-10 诊断 22

BUS-UCLM — 西班牙 UCLM 683 张乳腺超声病灶分割数据集（38 患者/419 正常-174 良性-90 恶性/CC BY 4.0）

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-UCLM — 西班牙 UCLM 683 张乳腺超声病灶分割数据集（38 患者/419 正常-174 良性-90 恶性/CC BY 4.0）

人工标注影像数据原始数据38

BUS-UCLM 乳腺超声病灶分割数据集：683 张（419 正常/174 良性/90 恶性）来自 38 位患者的原始 PNG 与三分类彩色掩膜，配 COCO 导出与患者级划分脚本，CC BY 4.0 可商用，含大量正常病例以缓解偏倚，是 BUS 分割与分类研究的实用基线集

Mendeley Data (BUS-UCLM, DOI 10.17632/7fvgj4jsp7.3) url: https://data.mendeley.com/datasets/7fvgj4jsp7/3 33

KNOAP2020 膝骨关节炎发病预测挑战赛

医学影像MRIX光影像骨骼肌肉影像挑战赛数据集队列研究

KNOAP2020 膝骨关节炎发病预测挑战赛

影像数据临床数据标签数据453 膝（242 人）；测试集 423、训练集 30；上游 PROOF 试验 407 名超重/肥胖女性

PROOF 队列 423 膝盲测、30 膝带标签：1.0–1.5T MRI 双序列 + 数字化 X 线 + 13 项临床因素预测 6.5 年新发

PROOF 研究基线与随访影像及临床变量（半屈位 PA 数字化 X 线、冠状位 2D PD 与矢状位 3D 水激发 MRI、13 项临床危险因素），经 Health-RI XNAT 以 NIfTI 格式分发；结局由 2.5 年与 6.5 年随访按 ACR 联合标准判定 16

Medical-CXR-VQA 胸片问答数据集

医学影像X光影像视觉问答评测基准多模态

Medical-CXR-VQA 胸片问答数据集

人工标注影像数据文本数据原始数据215,547 项胸部影像研究（源自 MIMIC-CXR，患者级数量以 MIMIC-CXR 口径为准）；问答对 780,014 条

基于 MIMIC-CXR 报告、经微调 LLM 流水线构建的大规模胸部 X 光视觉问答数据集——215,547 项影像研究上生成 780,014 个临床问答对，覆盖存在、异常、位置、级别、视图、类型六类问题，配套可解释关系图 VQA 方法与放射科医生双评质检

MIMIC-CXR v2.0.0 放射学报告（微调 LLaMA 2 抽取疾病实体与位置/类型/级别关键信息后模板化生成问答）+ MIMIC-CXR-JPG 14 项诊断标签（仅参考对照）+ 放射科医生评估附录 PDF 16

GPT-3.5 生成的低资源 ICD 编码出院摘要

医疗NLP临床文本电子健康记录重症监护评测基准

GPT-3.5 生成的低资源 ICD 编码出院摘要

合成数据文本数据无真实受试者：9,606 份文档全部由 GPT-3.5 生成；其编码组合源自 MIMIC-IV v2.2 真实出院摘要（上游约 25.7 万住院、4.1 万成年 ICU 患者，沿用 MIMIC-IV

爱丁堡大学团队用 gpt-3.5-turbo-0613 围绕 114 个低资源 ICD-10 编码生成的 9,606 份合成出院摘要，含提示词、原始输出与预测编码，用于缓解 MIMIC-IV 长尾码稀疏、增强神经编码模型，PhysioNet 凭证制发放

GPT-3.5（gpt-3.5-turbo-0613）基于 MIMIC-IV v2.2 / MIMIC-IV-Note v2.2 真实出院摘要的 ICD-10 编码组合生成的合成出院摘要：每条含作为生成依据的 ICD-10-CM/PCS 编码列表与描述、完整提示词、模型原始输出（含自编预测编码与出院状态预测）及增强实验用清洗版文本 29

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。

数据定制

标注服务

欢迎联系咨询

客服二维码

电话咨询微信咨询邮箱咨询