即取即用的 AI-Ready 医疗数据集库

临床 NLP 去标识领域最早的公开金标准评测语料：2,434 份 MIMIC-II 护理笔记经三名以上临床专家独立多轮复核 + 自动算法补漏 + 第四名专家裁决，1,779 处 PHI 被真实感替代数据重标识——附带 GPL 开源的 deid 软件，奠定「用金标准量化 PHI 检测 recall/precision」评测范式，2007 年 PhysioNet 发布、Credentialed Access 门禁

MIMIC-II（Multi-Parameter Intelligent Monitoring in Intensive Care II）数据库随机抽取的 2,434 份护理进展笔记（nursing progress notes），经多轮去标识并以真实感替代数据重标识；关联 GPL 开源 deid 去标识软件包（含 id.text / id.res / 词典 / PHI 位置文件） 41

医学影像手术视频内窥镜影像目标检测评测基准

CholecTrack20 — 腹腔镜 20 段手术视频的手术器械多视角追踪数据集

人工标注影像数据原始数据20 段腹腔镜胆囊切除手术视频（患者级去标识化，病例数即视频数 20）

CAMMA 团队把「器械追踪」从单一定义拆成术中/体内/可见性三视角——20 段胆囊切除视频、35K 帧、65K 器械实例，7 类器械 4 类操作者 8 类视觉挑战标注，SOTA 仅 <45% HOTA，官方声明与 Cholec80/CholecT50 内容重叠

CAMMA（University of Strasbourg / CNRS / INSERM / ICube / IHU Strasbourg）腹腔镜胆囊切除视频，源自与 Cholec80/CholecT50 同源的医学中心视频池；标注含 25 FPS 原始视频（仅测试集）+1 FPS 采样帧 +JSON 标签（工具包围盒/类别/操作者/三视角轨迹 ID/阶段/视觉挑战） 50

医疗NLP临床文本医学问答评测基准知识图谱

QiZhenGPT — 启真医学中文医疗指令微调数据集

真实对话模板生成文本数据约 1,038K 条指令样本（560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板；另有 740K 训练用量口径待核）；公开可下载仅 sft-20k.json 抽样（20,000 条

浙江大学计算机创新技术研究院可计算医学知识研究组（CMKRG）2023 年开源的中文医疗大语言模型配套指令数据集——560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板共约 1038K 条样本，衍生 QiZhen-LLaMA / QiZhen-Alpaca / QiZhen-CaMA 三模型家族，GPL-3.0 开源，94 种药品知识评测显著超越同代 ChatGPT

启真医学知识库（浙大计算机创新技术研究院）三源构成：真实医患对话/在线问诊记录清洗 560K + 药品说明书结构化字段模板化 180K + 疾病知识条目模板化 298K；完整数据无公开直链，仅 sft-20k.json 抽样经 ModelScope 公开 53

医学影像图像分类评测基准挑战赛数据集肿瘤学心血管疾病

EchoRisk — 多中心纵向超声心动图心脏毒性数据集

影像数据视频数据原始数据人工标注422 乳腺癌患者（Tasks 1/2 队列）+ 280 患者基线子集（Task 3）；共 2,159 个超声视频 / 1,123 次检查

首个带显式治疗诱发心脏毒性标签的多中心纵向超声心动图数据集与 MICCAI 2026 挑战基准——422 乳腺癌患者/2,159 视频/5 时间点，三任务与近随机的心脏毒性预测开放难题

EU Horizon 2020 CARDIOCARE 前瞻性多中心研究（Grant No. 945175）派生的去标识 DICOM 超声心动图，五欧洲站点采集，含 A4C/A2C 双视图 cine、LVEF/GLS 临床测量与专家裁定的心脏毒性标签，明细见正文附录 A 46

医学影像MRI医学图像分割挑战赛数据集评测基准肿瘤学

TrackRAD2025

人工标注影像数据原始数据585 名患者（477 未标注 + 108 逐帧手工标注）；280 万+ 未标注 cine-MRI 帧；1 万+ 标注帧（另约 8000 帧多观察者标注）；公开数据约 206 GiB（未标注 ~200

MICCAI 2025 挑战赛的首个公开多机构 MRI-linac cine-MRI 实时肿瘤追踪数据集——6 国中心 585 名患者 280 万+ 帧矢状位 2D cine-MRI，477 例未标注支撑预训练、108 例逐帧标注支撑追踪评测，冠军方案 MedSAM2 半监督微调 Dice 0.8909

6 个国际中心（3 荷兰、1 德国、1 澳大利亚、1 中国四川）在 0.35T ViewRay MRIdian 与 1.5T Elekta Unity MRI-linac 放疗疗程中采集的矢状位 2D cine-MRI 序列（.mha 格式，1-8 Hz）+ 逐例 JSON 元数据（场强/帧率/扫描区域）+ 首帧模板肿瘤分割与逐帧标注掩码 44

医学影像CT医学图像分割图像分类心血管疾病儿科

ImageCHD — 首个先心病三维CT分类数据集·110例心脏CT与7类亚结构分割

影像数据人工标注原始数据110 例 3D CT（患者年龄 1 个月-40 岁，绝大多数 1 个月-2 岁）

ImageCHD：首个面向先天性心脏病分类的公开三维 CT 影像数据集——110 例心脏 CT、7 类心脏亚结构分割标签、16 类 CHD 诊断标签，MICCAI 2020 会议论文发布，Kaggle 公开可下载（8.94 GB）

Siemens Biograph 64 扫描仪采集的 110 例先天性心脏病（CHD）心脏三维 CT 图像（512×512×(129-357)，典型体素 0.25×0.25×0.5mm³）+ 7 类心脏亚结构分割标签（LV=1/RV=2/LA=3/RA=4/Myo=5/AO=6/PA=7）+ 16 类 CHD 诊断分类标签 39

基因组学与多组学单细胞基因组学转录组测序数据

CZ CELLxGENE Census — 版本化云端单细胞语料与程序化查询 API

原始数据云端数据版本化LTS 2025-11-08：217M+ 总细胞、125M+ 去重细胞（is_primary_data=True）、1,845 个源数据集、5 物种（人/小鼠/狨猴/恒河猴/黑猩猩）

CZI 把 CELLxGENE Discover 全部标准化单细胞与空间转录组数据做成可版本化切片查询的云端语料：TileDB-SOMA 实现，LTS 2025-11-08 含 217M+ 细胞、1,845 个数据集、5 物种，CC-BY 4.0，Python/R API 秒级取任意细胞切片，是单细胞基础模型时代的训练语料底座

CZ CELLxGENE Discover 平台聚合的 1,845 个公开研究的标准化单细胞与空间转录组数据（raw counts：全长 Smart-Seq2 与 UMI 10X 并存；空间：Visium/Slide-seq），统一经 Cell Ontology 与 GENCODE 标准化后以 TileDB-SOMA 格式托管于 AWS S3（us-west-2），配套细胞/基因元数据与辅助统计表 39

生理信号心电信号队列研究评测基准心血管疾病罕见病

Brugada-HUCA: 12-Lead ECG Recordings for the Study of Brugada Syndrome — 西班牙 HUCA 单中心 Brugada 综合征 12 导联 ECG 专病数据集

波形数据临床数据人工标注原始数据363 例受试者（76 例确诊 Brugada 综合征 + 287 例健康对照；一人一记录）；12 导联 / 12 秒 / 100 Hz / WFDB 格式

西班牙阿斯图里亚斯中央大学医院（HUCA）回顾性采集的 363 例 12 导联 ECG（76 例确诊 Brugada 综合征 + 287 例健康对照），12 秒/100 Hz/WFDB 格式，专家盲法标注并含基线病理模式与猝死结局变量，CC BY-SA 4.0 于 PhysioNet 公开直链

西班牙 Hospital Universitario Central de Asturias（HUCA）心脏病科 2010s 年代回顾性采集的 12 导联 ECG（WFDB 波形 + metadata.csv 临床标签 + metadata_dictionary.csv 变量字典）；不含配套期刊论文，方法学文本见 PhysioNet 托管页摘要与 GitHub 仓库 43

生理信号心电信号儿科心血管疾病评测基准医学问答与基准

Leipzig Heart Center ECG — 儿童与先心病患者 12 导联+心内电图逐搏标注库

人工标注原始数据生理信号39 名患者（29 名儿童 x001–x029 + 10 名修复后法洛四联症成人 x100–x109）；39 条记录；113924 个标注搏动

首个人工逐搏标注的儿童与先天性心脏病（CHD）人群开放 ECG 数据库——39 例（29 儿童+10 修复后法洛四联症成人）共 113924 搏动、977 Hz、12 导联体表 ECG 同步心内电图（IEGM），两专家交叉标注，ODC-By 1.0 于 PhysioNet 公开直链

莱比锡大学心脏中心儿科心导管室电生理检查（EPS）术中 CardioLab® 采集的 12 导联体表 ECG 与心内电图（IEGM，冠状窦/右室心尖/消融导管），977 Hz、0.05–100 Hz 原始导出，经 WFDB 软件包转换后由两名 ECG 专家用 LightWAVE® 逐搏交叉标注 36

医学影像X光影像图像分类挑战赛数据集评测基准肺癌

CXR-LT 2024

人工标注影像数据原始数据377,110 张 CXR（图像级计数，三源互证；患者级计数未在 CXR-LT 文档单列，随 MIMIC-CXR-JPG 本体口径）

MIMIC-CXR-JPG 全量 377,110 张胸片的两轮长尾重标注（14→26→45 类）：ICCV 2023 CVAMD 与 MICCAI 2024 两届挑战赛、zero-shot 5 未见类赛道、mAP 主指标、96 队申请 61 队获批、PhysioNet credentialed 1.5.0

MIMIC-CXR-JPG v2.0.0 全量 377,110 张胸片（图像本体不在本包）+ 规则法报告解析标签（45 类含 Normal；45=14 原始+12+19 rare 两轮扩展）+ 406 张 6 人共识 gold standard 子集 + 三任务 train/development/test 划分 CSV 49