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 1,945 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 1806 个数据集

基因组学与多组学蛋白质组学转录组

PaxDb 绝对蛋白丰度库 — 质谱只能测相对值，它偏要给你 ppm

元数据多组学本体映射原始数据链接文献引用不适用（以物种、组织、细胞系为观测单位，不含可识别个体）

405 物种 / 1639 个数据集 / 每个蛋白一个 ppm 数值

https://pax-db.org/ 19

医学影像CT目标检测挑战赛数据集骨骼肌肉影像

颈椎骨折CT检测挑战赛 — 十二机构三千例的逐椎骨标注

原始影像人工标注元数据补充材料3,112 例颈椎 CT（骨折阳性 1,445 例 + 阴性 1,667 例），患者级去重数量官方未给出

3,112 例颈椎 CT / C1–C7 逐椎骨标签 / 9 国 12 机构

https://www.kaggle.com/competitions/rsna-2022-cervical-spine-fracture-detection/ 22

医学影像眼科影像手术视频多模态

Ophora-160K 眼科手术视频指令集 — 十六万段五秒切片

原始影像文本语料元数据不适用（片段级计数十六万二千一百八十五个，源自九千八百一十九段术者叙事视频；未按患者计数，同一患者可能对应多段视频）

外科手术视频 / 指令微调 / Apache-2.0

https://huggingface.co/datasets/General-Medical-AI/Ophora-160K 18

基因组学与多组学变异与注释GWAS

JoGo 长读长人类单倍型字典 — 4.7M 条名字，0 个图节点

元数据原始数据链接本体映射258 个基因组（108 例本次测序，150 例来自公开数据）

258 个基因组 / 一万九千余个基因 / ACTG 四层命名

https://jogo.csml.org 23

基因组学与多组学药物发现与化学

IntEnz 酶分类整合库 — EC 编号的权威原件，不是数据库的赠品

本体映射元数据文献引用不适用（酶分类参考体系；规模以 EC 条目计，官方在用号 6972 个）

6972 个在用号 / 1022 个已转号 / IUBMB 命名委员会背书

https://www.ebi.ac.uk/intenz/ （主站入口；本文核验时返回 404）与 https://ftp.ebi.ac.uk/pub/databases/intenz/ （EMBL-EBI FTP 归档，核验时目录存在但子目录拒绝访问） 26

医学影像X光影像挑战赛数据集图像分类

SPR 胸片年龄性别推断挑战赛 — 两万六千张胸片反推你是谁

原始影像人工标注元数据文献引用不适用（官方未公开患者数；影像规模约两万六千张）

巴西圣保罗放射学会 × AWS / 2.6 万张胸片 / 影像可识别性实证

https://www.kaggle.com/competitions/spr-xray-age-prediction 17

医学影像CT医学问答与基准视觉问答肿瘤学

腹部 CT 肿瘤三维问答基准 — 两名放射科医生都只答对一半

人工标注配对报告元数据原始影像9,262 个 CT 体积（训练池八千三百余例 + 基准 991 例，官方称同一批 AbdomenAtlas 病例）

438K QA 对 / 3D 体积 / 42 个临床亚型

https://huggingface.co/datasets/tumor-vqa/DeepTumorVQA_2.0 20

医学影像CT病理图像肿瘤学

肿瘤影像的一座整库 — TCIA 的两百余个 collection

原始影像元数据人工标注文献引用不适用（整库层无统一病例数；各 collection 独立计数，最大单集合两万余例）

240 个 collection / 逐集许可 / 逐集 DOI

https://www.cancerimagingarchive.net/collections/ 22

医学影像MRI脑影像医学图像分割

脑 MRI 的预训练语料 — FOMO300K

原始影像元数据原始数据链接文献引用三十万张级扫描 / 五万余受试者（官方口径，数据卡未公布这两项）

三十万张级扫描 / 三十余个来源 / 只做方向对齐的原始 NIfTI

https://huggingface.co/datasets/FOMO-MRI/FOMO300K 22

公共卫生与流行病学真实世界数据药物安全卫生服务研究

英格兰每家诊所的处方账本 — OpenPrescribing

元数据原始数据链接文献引用本体映射不适用（聚合数据，覆盖英格兰六千余家 GP 诊所的全部门诊处方）

GP 诊所逐月处方 / BNF 五级编码 / OGL 开放下载

https://openprescribing.net/ 25

基因组学与多组学医学问答与基准公共卫生与流行病学

Gene2Phenotype — 3,856 条基因病关联的置信度分级

人工标注元数据本体映射文献引用不适用（关联级数据库，无个体患者）

7 个疾病面板 / 3,170 个基因 / 六级置信度

https://www.ebi.ac.uk/gene2phenotype/ 29

医疗NLP临床文本医学影像医学问答与基准

ReXPref-Prior 胸片报告先验幻觉偏好数据集

衍生数据文本数据自动生成标注24,462 份报告对应的 MIMIC-CXR study（患者数未单独披露，继承母库口径）

基于 MIMIC-CXR 的句级偏好对数据集——GPT-4 改写胸片报告中的先验检查指称，配合同名方法论文以直接偏好优化抑制报告生成模型的先验幻觉行为

MIMIC-CXR v2.0.0 报告文本（findings 与 impression 节）+ GPT-4 句级改写；CSV 字段 orig_sentence/new_sentence/section/sentence_id/study_id 16

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。