即取即用的 AI-Ready 医疗数据集库

NIST 第三十届 TREC 临床试验赛道评测三件套：ClinicalTrials.gov 2021-04-27 快照 375,580 份试验注册语料 + 75 份合成患者入院简况 + 35,832 条 OHSU 医师三级相关性判定，patient-to-trial matching 任务元年基准，nDCG@5/@10 主指标，ir_datasets clinicaltrials/2021 一键加载

ClinicalTrials.gov 2021-04-27 注册库快照（375,580 份试验 XML，5 个 zip 分卷）+ topics2021.xml（75 份合成患者简况）+ qrels2021.txt（35,832 条三级判定）+ 113 个参赛 run 官方评估结果 43

医学影像CT心血管疾病挑战赛数据集评测基准医学图像分割

orCaScore — 自动冠状动脉钙化评分评测框架

影像数据专家标注临床数据72 例患者（32 训练 + 40 测试）；每例含 1 对 CSCT+CCTA

MICCAI 2014 波士顿发起的自动冠状动脉钙化评分评测框架——72 例多中心心脏 CT（32 训练/40 测试，四院四厂商），CSCT+CCTA 配对，三级评测（病灶/血管/患者），五个（半）自动方法的独立横评，Grand Challenge 平台托管

四家医院、四种厂商 CT 扫描仪采集的非增强 ECG 触发心脏钙化评分 CT（CSCT）+ 配对增强 CTA（CCTA）；参考标准由两名专家独立标注>130 HU、3-D 6-connectivity 连通病灶、LAD/LCX/RCA 血管归属，分歧共识复核；mhd/zraw MetaImage 格式 54

电子健康记录生理信号心电信号重症监护时序数据临床电子病历

MOVER — 首个公开手术室高保真波形与电子病历配对仓库

原始数据时序数据临床数据58,799 唯一患者 / 83,468 台手术（SIS 数据集 19,114 患者；EPIC 数据集 39,685 患者 / 64,354 手术）

UC Irvine 医学中心 2015-2022 年 58,799 患者 / 83,468 台手术的围术期医学信息学仓库——手术室内 ECG、脉搏血氧（PPG）与动脉压三通道高保真波形与 EHR 事件配对，SIS+EPIC 双系统覆盖，签 DUA 免费开放，是麻醉与术中决策支持 AI 迄今唯一的公开波形级数据基座

UC Irvine 医学中心手术室围术期数据（2015-2022）：手术室内高保真生理波形（ECG/脉搏血氧 PPG/动脉压）经 Bernoulli Health 平台实时抓取 + EHR 配对（SIS 系统 2015-2017 九表 / EPIC 系统 2017-2022 十表），HIPAA 合规去标识 187

医学影像眼科影像图像分类多模态影像糖尿病视网膜病变

OLIVES — 眼科多模态纵向 OCT 与眼底图像数据集

人工标注影像数据临床数据96 只眼（TREX DME 队列 47 例 + PRIME FULL 队列 40 例两队列合计 87 例有明确队列归属，其余为补充口径；患者级与眼级一一对应关系官方未逐例明示）

佐治亚理工与德州视网膜顾问集团联合发布的首个四模态眼科纵向数据集——96 只眼、1268 张近红外眼底图像、每访视 49 张 OCT B-scan、16 种生物标志物、3 个临床标签与 DR/DME 疾病诊断，覆盖平均 66 周治疗时间序列，NeurIPS Datasets and Benchmarks 2022 正式发表，CC BY-4.0 于 Zenodo 公开

近红外（NIR）眼底图像 1268 张 + 黄斑区 OCT 体积（每访视 49 张 B-scan，有生物标志物标注的 B-scan 共 9408 张）+ 临床标签（BCVA 视力、CST 中心子域厚度、眼别）+ DR/DME 疾病诊断 + 治疗时间序列（平均 66 周、平均 7 次注射），明细见正文附录 A 41

医学影像CT医学图像分割评测基准

CTooth — 首个全标注 3D 牙科 CBCT 牙齿分割数据集与基准

人工标注专家验证影像数据原始数据22 个 CBCT 体数据（volumes），共 7363 张切片（5504 张全标注；GitHub 口径 5803 张切片/4243 张含牙齿标注）；患者信息编码脱敏，患者级数量未单独披露

CTooth: Fully Annotated 3D Dataset and Benchmark for Tooth Volume Segmentation on CBCT——杭州电子科技大学与伦敦玛丽女王大学等团队打造的首个公开全标注 3D 牙科 CBCT 数据集：22 个锥形束 CT 体数据、7363 张切片、5504 张专家逐体素标注，SKNet 3D U-Net 基准达 Dice 88.04%，请求制发放并衍生 CTooth+ 与 MICCAI 2023 STS-3D 挑战赛

电子科技大学及其附属医院采集的牙科锥形束 CT（CBCT）体数据：22 个 volumes（7363 slices）、4 位放射影像专家 ITK-SNAP 逐体素二值牙齿标注（gold standard），涵盖缺牙/修复体/种植体/正畸器械等变异；扩展版 CTooth+ 追加 146 个未标注 volume（25876 未标注片） 80

医学影像眼科影像医学图像分割青光眼评测基准图像分类

RIGA — 密歇根 Deep Blue 750 张眼底图的六眼科医生视盘/视杯多标注青光眼基准

人工标注影像数据原始数据750 张眼底图（460 MESSIDOR + 195 Bin Rushed + 95 Magrabia）；图像级计数，无逐受试者明细；文献常用有效标注子集 699 张

史上首个以「多注释者一致性」为核心设计的公开青光眼眼底基准：750 张彩色眼底图取自 MESSIDOR/Bin Rushed/Magrabia 三源，由 6 名眼科医生逐张独立描边视盘与视杯轮廓（共 4500 张标注图），SD 过滤离群标注，含 6 项 CDR 结构参数，CC BY-NC 4.0 经密歇根大学 Deep Blue 开放获取

三源彩色眼底照相：MESSIDOR（460 张，2240×1488 与 1440×960）、Bin Rushed Ophthalmic Center 利雅得 Canon CR2 非散瞳相机（195 张，2376×1584，2014 采集）、Magrabi Eye Center 利雅得 Topcon TRC 50DX 散瞳相机（95 张，2743×1936，2012-2014 采集）；6 名眼科医生各自用平板+精密笔逐张描出视盘与视杯边界（JPG/TIFF，共 4500 张标注图） 72

医学影像医学图像分割病理图像挑战赛数据集评测基准

2018 Data Science Bowl — 841 图跨条件通用细胞核分割挑战赛全档案

人工标注影像数据原始数据841 张显微图像（非患者级队列：跨物种、跨组织、跨染色、跨成像方式共 22 种实验条件）；37,329 个细胞核实例 mask

Kaggle 与 Booz Allen Hamilton 联合主办的第三届 Data Science Bowl：以 CC0 公共领域释放的 841 张显微图像与 37,329 个细胞核实例 mask，覆盖 22 种实验条件，既是 3,891 支队伍竞逐 10 万美元奖金的赛场，也是 mAP@IoU 阈值扫描评测协议与通用核分割基准的奠基数据集

Kaggle 竞赛 data-science-bowl-2018（stage1_train.zip 82.9 MB 等 7 件文件）与 Broad Institute BBBC038v1 归档四包（masks_and_labels 449.7 MB）；Booz Allen Hamilton 主办，Broad Imaging Platform 统一标注 63

医学影像皮肤影像图像分类评测基准皮肤癌

SkinCon — 皮肤病学专家密集概念标注数据集

人工标注影像数据原始数据3886 张皮肤图像（Fitzpatrick17k 子集 3230 + DDI 子集 656）；患者级数量与人口学未逐例披露

斯坦福团队为 Fitzpatrick17k 与 DDI 共 3886 张皮肤图像所做的 48 临床概念稠密多标签重标注——两位皮肤科医生建概念表、单人标准化标注、双轮独立验证（97.6% / 94% 一致），把皮肤 AI 从「黑箱分类」推向概念级调试与错误分析

对 Fitzpatrick17k（Groh et al. 2021, CVPR）与 Diverse Dermatology Images / DDI（Daneshjou et al. 2022, Science Advances）两个公开皮肤图像数据集的概念级重标注：48 个临床概念多标签（含 1 个质量控制标签）逐图勾选 + 双轮皮肤科医生验证（抽验 323 张一致率 97.6%；956 张独立重标一致率 94%）+ 概念频率统计表 + PCBM/CAV 基准实验 62

医疗NLP临床文本电子健康记录命名实体识别评测基准临床电子病历

Deidentified Medical Text — 2,434 份护理笔记的 HIPAA 去标识金标准语料库

文本数据人工标注原始数据163 名患者（MIMIC-II 随机抽取）

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