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 1,963 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 1817 个数据集

医学影像多模态影像-文本对齐医疗NLP评测基准

REVA-PO — 胸片报告生成强化学习稳定化框架与 MIMIC-CXR/IU-Xray 复现包

文本数据影像数据派生数据上游规模：MIMIC-CXR 377,110 张 / 227,835 份报告 / 65,379 名患者（库内 rid=16 口径）；IU-Xray 3,955 份报告（库内 rid=107 口径）；R

以 Qwen2.5-VL-7B 为底座的三阶段流水线（连接层预热→分类器引导 SFT→无 Critic 的组相对策略优化），用响应加权正则与验证锚定策略重置驯服长期 RL 训练中的 KL 压力的开源复现包

上游公开胸片-报告数据集（MIMIC-CXR 官方凭证获取 + IU-Xray/OpenI 公开镜像）+ 论文衍生的分类标注 JSON（annotation_with_categories.json、mimic_with_categories.json、mimic_with_categories_sampled_10k.json）+ 作者发布的三个阶段检查点 27

多模态基因组学与多组学医学图像分割公共卫生与流行病学

BioStudies：EMBL-EBI 的通用研究归档底座

元数据原始数据链接补充材料多组学不适用（记录级归档库，无统一患者计数）

341.99 万条记录 / ArrayExpress 8.10 万研究 / 三种接入方式

https://www.ebi.ac.uk/biostudies/ 34

公共卫生与流行病学电子健康记录调查数据公共卫生统计

智利 ENS 全国健康调查：三轮横断面的体检与问卷

原始数据人工标注调查数据6,233 人（2016–17 轮）；三轮合计 15,262 人（3,619 / 5,410 / 6,233）

1988–2017 / 三轮横断面 / 158 个 PSU / 1,165 个变量

https://epi.minsal.cl/encuesta-ens-descargable/ 32

公共卫生与流行病学公共卫生统计调查数据卫生服务研究

ENPD 2018 — 阿根廷全国残疾人群画像调查的微观数据

个体级微观数据抽样调查重复权重设计82,327 条个体记录，加权代表 39,922,669 人；其中 6 岁及以上有功能困难者 3,571,983 人

82,327 份个体记录 / 39,922,669 人加权 / 300 组 bootstrap 权重

INDEC 微型数据文件库 https://www.indec.gob.ar/indec/web/Institucional-Indec-BasesDeDatos ；国家开放数据门户 https://datos.gob.ar/dataset/estudio-nacional-sobre-el-perfil-de-las-personas-con-discapacidad-2018 24

基因组学与多组学蛋白质组学药物-靶点相互作用

MEROPS — 把蛋白酶切了什么、切在哪记下来的库

酶分类体系切割位点表序列比对库不涉及患者数据；记录对象是蛋白质序列、切割事件与化合物

277 个家族 / 114 万个序列编号 / 91 次切割的位点偏好

欧洲分子生物学实验室-欧洲生物信息学研究所（EMBL-EBI）https://www.ebi.ac.uk/merops/ 31

基因组学与多组学变异与注释测序数据

BioSamples — 5,610 万条生物样本元数据的中枢登记处

样本元数据结构化注释表不直接涉及患者个体；但 56M+ 样本中包含大量人类样本（taxId 9606），其 age、cell_type、disease 等字段属可识别性敏感信息，使用须评估

把分散在 ENA、NCBI、ArrayExpress 的样本记录按一个键聚合，每条最多 50 个特征字段

欧洲分子生物学实验室-欧洲生物信息研究所（EMBL-EBI）https://www.ebi.ac.uk/biosamples 23

基因组学与多组学单细胞基因组学转录组

Single Cell Expression Atlas — 正迁往 FENIX 的单细胞重处理库

表达矩阵细胞类型注释样本注释表不直接涉及患者个体；样本级元数据含年龄、性别、疾病、组织部位等公开信息

384 个实验、1,537 万个细胞，31% 有细胞类型标签；2026 年 11 月起分批迁移

欧洲分子生物学实验室-欧洲生物信息研究所（EMBL-EBI）https://www.ebi.ac.uk/gxa/sc 31

基因组学与多组学病理图像单细胞基因组学转录组队列研究

KPMP — 肾脏多组学精准医学图谱

22,824 个数据文件612 名参与者WSI 6,625 张9 类空间与单细胞 assayCC BY 4.0 开放 + DUA 受控临床元数据分箱化612 名参与者

NIH/NIDDK 资助肾脏精准医学项目 · 612 名参与者 · 22,824 个文件的 WSI+单细胞+空间多组学图谱

KPMP Consortium（NIH/NIDDK 资助） url: https://www.kpmp.org/ 77

基因组学与多组学单细胞基因组学转录组

HCL — 人类细胞景观单细胞图谱

702,968 个单细胞60 种人体组织102 种细胞簇CC BY 4.0 开放884.2 MB DGE 矩阵58 名人体组织供体（HCA Explorer 口径，覆盖胎儿与成人阶段）

702,968 个单细胞 · 60 种人体组织 · Microwell-seq 构建的中文人群细胞图谱

浙江大学医学院干细胞与再生医学中心（郭国骥/韩晓平团队） url: http://bis.zju.edu.cn/HCL/ 68

基因组学与多组学转录组单细胞基因组学皮肤癌肿瘤学

NMSC Spatial Multi-omic Atlas — 免疫抑制非黑素瘤皮肤癌的空间多组学图谱

原始数据多组学数据138 例患者 / 150 份标本（55 免疫正常 IC + 83 免疫抑制 IS）；GEO 层：GSE316922 36 样本来自 30 例，GSE306129 论文口径 14 例 / GEO 口径

GSE306129 空间 ATAC 28 样本 x GSE316922 scRNA-seq 36 样本的双层 GEO 资源：MD 安德森 138 例 BCC/cSCC 队列揭示「免疫抑制不是免疫细胞变少，而是巨噬细胞抗原呈递失灵 + 空间组织被拆散」

NCBI GEO 核心记录 GSE306129（spatial ATAC，28 GSM）与 GSE316922（scRNA-seq，36 GSM）；同研究 GSE306130 / GSE318638 / GSE308361 作核对参照 40

单细胞基因组学转录组药物发现与化学评测基准基因组学与多组学

Tahoe-100M — 亿级单细胞药物扰动图谱：50 癌系 × 379 化合物

原始数据实验数据公开数据不适用：全部为 50 个商品化癌细胞系（47 个进入下游分析），非患者样本；单细胞数 95,624,334

Tahoe Therapeutics × Arc Institute × Parse Biosciences 用 Mosaic 平台把 50 个癌细胞系混养在「cell village」中同步给药 24 小时，得到 95,624,334 个通过全过滤的单细胞转录组；CC0-1.0 全量开放于 HuggingFace，FASTQ 因 125 TB 体量与 Parse 合同限制不公开

Mosaic 平台（Parse Biosciences GigaLab 组合条形码 + Ultima Genomics UG-100 测序）生成的 14 块 96 孔板共培养球体体系；表达矩阵以稀疏 token 形式存为 Parquet，配套 5 张元数据表与 1 张伪 bulk 差异表达表 78