即取即用的 AI-Ready 医疗数据集库

深圳大学 FreedomIntelligence 团队发布的六语言（en/zh/es/fr/pt/hi）医疗 LLM 预训练+SFT 混合语料：374 万文档、预训练部分 2.5B tokens、首创 QA-Augmented Pre-training 与 Priority sampling，Apache-2.0 于 HuggingFace 公开

九类医疗文本（Books/Papers/Encyclopedias/Dialogues/Exams/Guidelines/medicalWiki 多语言版）加通用文本（Web/General/Math/Code），叠加 ChatGPT 改写的 QA-Augmented 扩展与 11 个开源上游数据集 39

生理信号心电信号可穿戴传感心血管疾病多模态

CardioWave-Portable — 便携式 ECG+PPG 无袖带血压估计数据集

原始数据波形数据人工标注977 名成人受试者（女 664 / 男 302 / 缺失 11；年龄均值 48.27 岁、SD 15.79、范围 18–90+）；3,849 条波形记录

哈尔滨工业大学团队 2026 年在中国嫩江三级医院采集的 977 名成人 3,849 条同步单导联 ECG 与 PPG 24 秒波形记录，配 OMRON 袖带收缩/舒张压标签、信号质量标注与问卷元数据，PhysioNet 凭据受限访问，用于无袖带血压估计的可复现基准

PhysioNet 凭据受限数据库 cardiowave-portable v1.0.0（DOI 10.13026/yasp-vq73）；哈尔滨工业大学经济与管理学院团队采集于 2026 年中国黑龙江嫩江三级医院 115

多模态手术视频生理信号队列研究评测基准

VISEM — 人类精子显微视频多模态数据集（85 人/研究用途）

视频数据生理信号原始数据85 名男性（≥18 岁；每人收录 1 段显微视频）；部分受试者录制两段但因样本漂移仅保留一段

挪威 SimulaMet 与 OsloMet 发布的 85 名男性精子显微视频 + 精液分析 + 脂肪酸 + 性激素 + 人口学五模态开放数据集，人类生殖领域首个开放多模态数据集，MediaEval 2019 Medico 任务官方基准，35.2 GB 直链下载、CC BY-NC 4.0（仅限研究与教育用途）

85 段精子显微 AVI 视频（640×480@50fps，400× 放大，Olympus CX31，2-7 分钟/段，>35 GB）+ 6 个 CSV（精液分析/精子脂肪酸/血清磷脂脂肪酸/性激素/人口学/视频映射）+ 描述文件；Zenodo visem-dataset.zip 35.2 GB（md5 c4ab1788457fa3395d94bb643559f6c5） 46

医学影像皮肤影像医学图像分割图像分类挑战赛数据集皮肤癌

ISIC 2018 Challenge

影像数据人工标注竞赛数据Task 3 训练集 10,015 张（= HAM10000 全集，含多图同病灶，用 lesion_id 追踪）；精确患者数论文未单列（遗留疑点）

ISIC 第 3 届皮肤病变分析挑战赛：三任务（边界分割/属性检测/疾病分类）共 12,500+ 图，分类任务训练集即 HAM10000 全集 10,015 张；冠军 balanced accuracy 0.885，Lancet Oncology 读片研究证实 139 个算法整体超越 511 名人类读者

ISIC 2018 官方发布的三任务数据包：Task1/2 训练 2,594 图 + 12,970 分割掩码/属性掩码 + 验证 100 + 测试 1,000（CC-0）；Task3 训练 10,015 图（= HAM10000）+ 7 类 GT CSV + 测试 1,512 + validation；图像来自 HAM10000（维也纳 ViDIR + 昆士兰 Rosendahl）与 MSK 72

电子健康记录重症监护队列研究时序数据多模态评测基准

CLIF

939,328 名患者（官网 2026-09）67 家医院13 机构（同口径 16 站点）关系型 23 表 schema（论文 v1.0）mCIDE 受控词表 + 原始标签双列官网口径 939,328 名患者 / 1.03M hospitalizations（2026-09）；联盟累计格式化。论文口径（2020-2021 队列）111,440 例入院 / 9 systems

Common Longitudinal ICU data Format——跨 12+ 机构的开源重症监护纵向数据标准与联邦研究联盟：939K+ 患者、67 家医院，写一次分析代码跨站运行、患者级数据永不出院，MIMIC-IV-Ext-CLIF 参考实现落 PhysioNet

跨机构成人 ICU EHR 数据标准化为 CLIF schema（23 表 v1.0，含 vitals/labs/respiratory_support/medication/ADT/ECMO 等）；参考实现 MIMIC-IV-Ext-CLIF 由 MIMIC-IV v3.1 转换而来（14 表 Parquet） 90

医学影像CT目标检测医学图像分割肺癌心血管疾病

PatchChestCT — 胸部 CT 九类异常 patch 级空间标注数据集

人工标注影像数据原始数据2,201 例非增强胸部 CT 研究（Train 2016 / Valid 185；每研究标注 1 个重建体数据）；源队列 CT-RATE 含 25,692 studies / 21,304 indi

以 CT-RATE 为源队列，为 2,201 例非增强胸部 CT 提供 12×12×24 三维 patch 网格上九类临床显著异常的 token 对齐二值标注——医学生初注+资深医师终审三段质控，patch 级监督定位 Dice 42.2% 碾压弱监督基线 15.6%

Zenodo 10.5281/zenodo.19707049 (v3) 标注包 + Scientific Data 论文 PMC13469086 + GitHub SadVoxel/PatchChestCT；源图像 CT-RATE (Hamamci et al., Nat Biomed Eng 2026) 48

医学问答与基准评测基准医学问答临床文本医疗NLP

MedCalc-Bench

人工标注文本数据合成数据test 1,047 例（全部人工复核，覆盖 55 计算器）+ train 10,053 例（论文口径，覆盖 40 计算器）；note 候选语料库 Open-Patients 180,142 条

首个评估大语言模型医学计算能力的评测基准——55 个临床计算器、1,047 例人工复核测试题，GPT-4 one-shot CoT 仅 50.9%，NeurIPS 2024 Datasets & Benchmarks Oral，NLM/NIH 主导，CC BY-SA 4.0 于 HuggingFace 公开

HuggingFace ncbi/MedCalc-Bench（v1.2，train.csv/test.csv）+ github.com/ncbi/MedCalc-Bench 评测与复现代码；note 底层 Open-Patients（PMC-Patients/MedQA-USMLE/TREC CT/TREC CDS 四源）与合成模板 45

医学影像病理图像图像分类评测基准肿瘤学

CAMELYON17

人工标注影像数据原始数据200 名乳腺癌前哨/腋窝淋巴结切除患者（训练 100 + 测试 100，每人 1-5 张 WSI）；挑战赛发放 1000 张，GigaScience 存档 1399 张（2.95 TB）

ISBI 2017 乳腺癌淋巴结转移患者级 pN 五类分期挑战赛：RUMC 与 UMCU 组织，5 家荷兰医院 200 名患者 1000 张 WSI，quadratic weighted kappa 评测，冠军 Lunit 0.8993，数据以 CC0 1.0 永久公开

5 家荷兰医院 H&E 染色前哨/腋窝淋巴结切除 WSI（3 款扫描仪：3DHistech Pannoramic Flash II 250 / Hamamatsu NanoZoomer-XR / Philips Ultrafast，0.23-0.25 μm/px）+ slide 级 XML 转移分割注释（macro/micro 双层多边形）+ 患者级 pN 五类标签（2 名资深病理学家复核，病理主任终审） 68

医学影像眼科影像图像分类医学图像分割糖尿病视网膜病变

OCTID — 光学相干断层扫描视网膜图像库

人工标注影像数据原始数据582 张 fovea-centered B-scan（5 类：NO 208 / MH 104 / AMD 57 / CSR 104 / DR 109）；患者级数量未披露；分割子集 25 张正常图

加拿大滑铁卢大学 TEEL 实验室 2018 年发布的开放获取 SD-OCT 视网膜图像库：5 类疾病（正常/黄斑裂孔/AMD/CSR/DR）582 张同设备 fovea-centered B-scan，另附 25 张正常图专家手工分层分割金标准与 MATLAB 分割 GUI，全库 CC0 公有领域

Borealis（原 Scholars Portal Dataverse）dataverse/OCTID 七子库：5 个疾病类别图像子库（NO 208/MH 104/AMD 57/CSR 104/DR 109）+ Manual Segmentation 子库（25 jpeg + 25 .mat 分层 GT）；Cirrus HD-OCT 采集，raster scan，2mm 扫描长度，逐类独立 DOI 63

医学影像病理图像图像分类目标检测挑战赛数据集乳腺癌

CAMELYON16

人工标注影像数据原始数据400 张 WSI（训练 270：160 正常 + 110 含转移；测试 130 官方发布口径 / 129 评价口径；RUMC + UMCU 两中心）

首个病理全切片图像 Grand Challenge（ISBI 2016）：荷兰两中心的 400 张 H&E 前哨淋巴结 WSI，slide 级分类 + lesion 级定位双任务，FROC 评价；Harvard/MIT 冠军算法在限时诊断模拟中显著优于 11 名病理医生、与不限时专家相当；CC0 公开

两荷兰中心病理科 H&E 前哨淋巴结切片（3DHistech Pannoramic Flash II 250 / Hamamatsu NanoZoomer-XR 扫描，ASAP 转通用 TIFF 金字塔）；slide 级标签（正常/含转移）+ 209 张含转移 WSI 的 XML 转移轮廓与二值 mask；测试集金标准经免疫组化验证 59

医学影像CT医学图像分割影像-文本对齐评测基准肺癌

ReXGroundingCT

人工标注影像数据原始数据3,142 个非对比胸部 CT volumes（unique 患者数未披露；平均年龄 42.08±14.52 岁，男 55.9%/女 44.1%）

首个手工标注的「自由文本发现→3D 体素分割」胸部 CT 数据集——3,142 例非对比 CT、8,028 个发现、16,301 个分割实体、12 类 61 子类本体，GPT 管线加放射科医师质控，现役模型近零分、SAT 微调 Dice 仅 0.209，CC BY-NC-SA 4.0 gated 发布

CT-RATE 非对比胸部 CT volumes（3,142 例，土耳其医院 2016-2022 采集）+ GPT-4 标准化英文报告 + 3D 像素级分割掩码（NIfTI）+ 12 类 61 子类本体 finding 分类 + anatomical CoT 解剖思维链（GPT-4o 生成） 64