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 1,972 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 1825 个数据集

基因组学与多组学电子健康记录医学问答与基准

CPIC — 把基因型翻译成剂量的那一层

132 个基因324 种药物29 部指南2,115 条推荐112,820 条双倍型开放式 REST无需注册不适用（指南与推荐表，无真实患者记录）

132 个基因、324 种药、29 部指南、2,115 条推荐：它不做研究，只做一件事——把文献里的证据定级，然后落成一句「该加量、减量、还是换药」

[{'@type': 'DataCatalog', 'name': 'CPIC API', 'url': 'https://api.cpicpgx.org/v1/'}, {'@type': 'DataCatalog', 'name': 'ClinPGx（CPIC 现归属站点）', 'url': 'https://www.clinpgx.org/cpic'}] 57

基因组学与多组学医学问答与基准多模态

Rfam — 4,227 个 RNA 家族，每个家族一个协方差模型

4,227 个家族151 个 clan109,390 条种子序列协方差模型二级结构INFERNALCC0 许可不适用（RNA 家族模型库，无个体数据）

十个种子序列、一个协方差模型、一份共识二级结构：Rfam 是 RNA 世界的 Pfam，它不给你序列清单，给你的是「怎么在基因组里找出这个家族」的搜索器

[{'@type': 'DataCatalog', 'name': 'Rfam FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/Rfam/'}, {'@type': 'DataCatalog', 'name': 'Rfam 网站与 API', 'url': 'https://rfam.org/'}] 26

基因组学与多组学多模态医学问答与基准

RNAcentral — 六千万条非编码 RNA，四成是 rRNA

60,054,521 条序列56 个专家库113 万物种URS 统一标识MD5 去重rRNA 39.6%CC0 许可不适用（RNA 序列参考库，无个体数据）

60,054,521 条序列、56 个专家库、110 万个物种：它不产生数据，只做一件事——把同一个 RNA 分子在不同库里的十几个编号，归并成一个 URS

[{'@type': 'DataCatalog', 'name': 'RNAcentral API', 'url': 'https://rnacentral.org/api/v1/'}, {'@type': 'DataCatalog', 'name': 'RNAcentral FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/RNAcentral/'}] 28

神经科学多模态医学问答与基准

NeuroVault — 71 万张脑成像统计图，7.6% 的集合有 DOI

18,020 个集合715,894 张统计图18 个模板图谱99.5% 是统计图CC0 许可COBIDAS 元数据REST API 全开放不适用（组水平统计结果，非个体数据）。但注意：单被试统计图（抽样 7.6%）理论上在极端情况下可能含可识别信息，NeuroVault 未做去标识声明

18,020 个集合、715,894 张图、18 个模板图谱：这是全球最大的脑成像「结果图」公共库，存的是 z/t/F 值不是原始影像，也是「拿别人的结论当数据」最容易翻车的地方

[{'@type': 'DataCatalog', 'name': 'NeuroVault API', 'url': 'https://neurovault.org/api/'}, {'@type': 'DataCatalog', 'name': 'NeuroVault 网页检索', 'url': 'https://neurovault.org/images/'}] 28

基因组学与多组学公共卫生与流行病学微生物组多模态

ENA — 八十拍字节的核酸总账，四千万次测序的入口

1,098,568 项研究55,877,279 个样本44,433,186 次运行80.7 PBINSDC 欧洲节点四层记录模型FTP + Portal API开放下载不适用（通用序列档案）。但需注意：人类受控访问数据在 EGA（European Genome-phenome Archive），不在 ENA 公开层；ENA 公开层的序列不含可识别个人身份的信息，但部

1,098,568 项研究、55,877,279 个样本、44,433,186 次测序运行：INSDC 欧洲节点，从 1980 年的一条序列长到今天

[{'@type': 'DataCatalog', 'name': 'ENA FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/ena/'}, {'@type': 'DataCatalog', 'name': 'EBI Search（官方索引口径）', 'url': 'https://www.ebi.ac.uk/ebisearch/ws/rest/sra-run'}] 32

基因组学与多组学变异与注释蛋白质组学药物-靶点相互作用

IMGT — 十二万条等位基因的命名权威，没有 API

12,922 个基因18,322 个等位基因42 个物种251,706 条 LIGM-DB 序列无 REST APICC BY 4.0开放下载目录不适用（免疫遗传学参考库，无个体记录；LIGM-DB 的 251,706 条序列是公开登记的序列，不含可识别个人身份的信息）

12,922 个基因、18,322 个等位基因、42 个物种：从 1989 年起，谁有资格给一个抗体基因命名，归这个库说了算

[{'@type': 'DataCatalog', 'name': 'IMGT 下载目录', 'url': 'https://www.imgt.org/download/'}] 25

基因组学与多组学变异与注释多模态知识图谱

Alliance of Genome Resources — 九物种联盟，五成七是重复行

56,677,795 个实体1,909,959 条表型注释（去重后）51,188,465 条变异23.04 GB 下载9 个物种8 个成员库100% 挂 PMID开放 S3 桶不适用（模式生物参考库，无人类个体级记录；HUMAN 轴为基因-疾病注释，非队列数据）

56,677,795 个实体、1,909,959 条表型注释、23.04 GB 下载：八个模式生物库合并成一个库之后，字段统一了，语义没有

[{'@type': 'DataCatalog', 'name': 'Alliance of Genome Resources 下载站', 'url': 'https://download.alliancegenome.org/'}] 31

基因组学与多组学变异与注释知识图谱

IPD-IMGT/HLA — 免疫遗传学的命名权威

47,424 个等位基因346 MB 扁平文本CC BY-ND 许可季度更新免注册直下JSON API 无鉴权不适用（等位基因参考库，含 78,489 条细胞系记录，无患者级数据）

47,424 个官方命名的 HLA 等位基因：从 1998 年的 964 个到今天的超多态体系

IPD-IMGT/HLA（EMBL-EBI / Anthony Nolan Research Institute） url: https://www.ebi.ac.uk/ipd/imgt/hla/ 46

公共卫生与流行病学生物医学文献调查数据

Dryad — 论文附录数据的第一落点

65,786 个已发布数据集50,000,000+ 文件CC0 1.0 全库强制DOI 前缀 10.5061免注册直下JSON API 无鉴权不适用（通用存储库，收录 65,786 个独立数据集）

CC0 强制的通用数据存储库：2024/25 财年 65,786 个已发布数据集、5,000 万+ 文件、全部 DOI 化

Dryad Digital Repository url: https://datadryad.org 34

神经科学生理信号脑电信号多模态

SpikeInterface — 细胞外电生理统一分析框架

MIT 许可58 个 PyPI 版本23 个 spike sorter17 个外部 sorter4 个内部 sorter0.105.3 当前版Python 3.10+10 种以上格式0

23 个 spike sorter、一个接口，和两次让旧代码全部失效的版本变更

ETH Zurich、University of Edinburgh、CNRS Lyon、Flatiron Institute、Allen Institute for Brain Science 等机构联合开发；代码托管于 github.com/SpikeInterface/spikeinterface；发布渠道 PyPI 34

神经科学生理信号脑电信号多模态

IBL Brain-Wide Map — 小鼠全脑决策活动图谱

12 个实验室139 只小鼠459 个 session699 次探针插入62.2 万个单元7.5 万个良品单元279 个脑区AWS 公开桶0

12 个实验室、139 只小鼠、69.9 万次探针插入，拼出一张全脑活动图

国际脑实验室（International Brain Laboratory）联合建设，12 个实验室贡献数据；存储由 AWS Open Data 计划承担（桶 ibl-brain-wide-map-public，us-east-1）；访问入口 internationalbrainlab.org 36

生理信号脑电信号癫痫挑战赛数据集评测基准

UPenn-Mayo — 颅内脑电癫痫检测挑战赛

颅内脑电1 秒片段犬与人类双物种发作检测早期检出标签11.62 GB竞赛受限许可12

十二个受试者、四只狗、八个人、一秒一段。它用一场 Kaggle 竞赛把癫痫检测的算法门槛一次性抬到 AUC 0.96，也留下了一个更难堪的后续：前三名里有两个换一份数据就跌回随机水平

美国宾夕法尼亚大学（UPenn）神经工程与治疗中心、梅奥诊所（Mayo Clinic）癫痫与神经生理实验室；International Epilepsy Electrophysiology Portal（ieeg.org）；NINDS 与美国癫痫学会（AES）资助；Kaggle 承办 35

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。