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 1,842 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：

千方医数集 · 商业级 AI-Ready 数据集

官方自营 · 合规交易

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。

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。

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 1711 个数据集

药物发现与化学化学信息学药物-靶点相互作用

NPASS 天然产物活性库 — 活性值与物种来源同表

分子结构定量活性物种来源文献引用不适用（以化合物与活性记录计数：下载包三万级化合物、四十九万级活性行）

二十万化合物 / 逾百万条活性 / 六张平面文件 / 下载包只到三万

https://bidd.group/NPASS/index.php 11

医疗NLP临床文本评测基准

MedSTS 临床句子相似度集 — 梅奥的千对标注

标注文本需申请获取不适用（以句子对计数：候选十七万余对，人工标定一千零六十八对）

十七万对候选 / 一千零六十八对人工打分 / 六档 0–5 / 只能向作者申请

https://arxiv.org/abs/1808.09397 15

公共卫生与流行病学卫生服务研究调查数据

NAMCS 全国门诊医疗调查 — 以就诊为单位的美国诊室调查

公开微数据免费下载以就诊为抽样单位全美范围年度调查含抽样权重不适用；2023 年健康中心分支公开文件含 450,645 条就诊记录，旧制诊室调查单年约八千余条就诊记录

抽样单位是就诊非患者 / 1973 年起 / 2018 改版

https://www.cdc.gov/nchs/namcs/about/ 15

基因组学与多组学变异与注释转录组

疟原虫基因组数据库 PlasmoDB — 一属多物种的整合检索台

多组学元数据派生数据不适用（以基因组与数据集计数：第 65 版收录 308 个数据集）

二十余物种 / 十一个参考基因组 / 资助断档后的重组

https://plasmodb.org/plasmo/ 13

药物发现与化学化学信息学代谢组学公共卫生与流行病学

FooDB 食物成分库 — 把一顿饭拆到分子层

化学成分浓度数据化学结构元数据不适用（以食物与化合物计数：食物不足千条，化合物记录数万条）

四张表 / 数万条化合物记录 / 数百家来源的聚合 / 大部分浓度从未被测定

https://foodb.ca/ 11

基因组学与多组学变异与注释蛋白质组学

eggNOG 同源基因簇数据库 — 分层同源组与注释转移

注释数据序列数据系统发育多物种不适用（以物种计数：现行版本一万二千五百三十五）

一万二千余物种 / 一千六百个分类层级 / 每个组带 KEGG 与 GO

https://eggnogdb.org/ 14

基因组学与多组学代谢组学知识图谱

MetaCyc 代谢通路库 — 只收实验证据的通路参考库

知识库代谢通路元数据不适用（以通路与物种计数：基准通路三千三百余条，涉及物种三千五百余个）

三千三百条基准通路 / 两万余条反应 / 三千五百余物种 / BioCyc 两万个库的参考底座

https://metacyc.org/ 12

基因组学与多组学变异与注释知识图谱

WikiPathways 社区协作通路库 — GPML 图谱与众包审编

元数据知识库多组学不适用（以通路与物种计数：20261010 版人类九百九十余条通路，全部物种六十余个）

20261010 版 991 条人类通路 / 61 个物种 / GPML 四层结构 / KEGG 与 Reactome 之外的第三条路

https://www.wikipathways.org/ 14

基因组学与多组学变异与注释罕见病

LOVD 莱顿开放变异数据库 — 软件与共享实例

元数据个体级记录变异记录表型数据共享实例约 178 万个体（15 个共享实例合计约 185 万）

GPL 许可的 LSDB 建库软件 / 共享实例两万三千个基因 / 变异记录两百五十余万

https://www.lovd.nl/ 11

医疗NLP公共卫生与流行病学罕见病

GARD 罕见病信息中心 — 面向患者的口语化疾病名录

知识图谱元数据生物医学文献不适用（以疾病条目计：名录一万六千二百一十四条，有详情页六千二百六十五条）

六千二百六十五条疾病页 / 一万六千余条名录 / 一份 CSV 就是全部批量口径

https://rarediseases.info.nih.gov/ 15

公共卫生与流行病学调查数据儿科卫生服务研究

NSCH 全国儿童健康调查 — 每年五万份家长代答卷

SASStata 公开微数据全美 50 州+DC按年发布无需申请2025 轮约四万五千名儿童完成专题问卷；2016 年后各轮在三万至五万五千之间浮动

HRSA MCHB 出资定向 / 人口普查局执行 / 2016 起年年做、每户只抽一个孩子

https://www.census.gov/programs-surveys/nsch.html 15

基因组学与多组学测序数据

BioProject 生物项目库 — 一个编号挂住整批数据

元数据项目著录跨库索引不适用（以项目计数：公开记录逾一百一十万条）

三条编号前缀分属三座库 / 只存项目层元数据 / 不存序列不存读段

https://www.ncbi.nlm.nih.gov/bioproject/ 18

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。