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 1,814 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 1798 个数据集

医学影像病理图像图像分类肿瘤学多模态

Multi-OSCC — 1325 例口腔鳞癌 ×200/×400/×1000 多倍率 H&E 病理六任务诊断预后数据集

人工标注影像数据原始数据1,325 例 OSCC 手术患者（训练 925 / 验证 200 / 测试 200）；图像 7,950 张（每人 6 张，推算）

中山大学孙逸仙纪念医院 2015-2022 年手术病例，每位患者 6 张 2592×1944 光学显微镜 H&E 图像（三倍率 × 肿瘤核心/边界），标注复发、淋巴结转移、分化、浸润、癌栓、神经侵犯六项；arXiv 2507.16360 与 Zenodo 34.6 GB 单包同源

Multi-OSCCPI-Dataset.zip（34.6 GB，Zenodo 单包）：按 patient_id 分目录的 7,950 张 2592×1944 H&E 图像 + all_metadata.json 六任务标签 + split_seed=2024.json 切分表 32

医疗NLP临床文本评测基准肺癌挑战赛数据集

NTCIR RR-TNM — 日语放射报告肺癌 TNM 分期三标签分类语料

人工标注文本数据原始数据243 份放射报告 · 27 例 Radiopaedia 肺癌病例 · 9 名放射医师（train 108/12 例 · val 54/6 例 · test 81/9 例）

NAIST Sociocom 开放的 243 份日语放射报告：9 名 board-certified 放射医师对同一批 27 例 Radiopaedia 肺癌 CT 独立书写并标注粗粒度 T/N/M，NTCIR-17 MedNLP-SC 共享任务金标准，CC BY 4.0 零门槛下载

NAIST Sociocom 发布的日语放射报告语料：Radiopaedia 27 例肺癌 CT 病例 × 9 名 board-certified 放射医师独立书写的自由文本报告 + 逐报告粗粒度 T/N/M 分期标签（JLCS 第 8 版聚合），无 PHI，CC BY 4.0 23

医学影像X光影像图像分类心血管疾病

Radiographic Dataset for VHS — 152 张犬侧位胸片教学集与椎体心脏评分入门样本

影像数据152 张侧位胸片（Mendeley 口径）/ 153 张（Data in Brief 正文口径）；原始采集 628 例

UABC 教学医院 628 例侧位片筛出的 152 张犬胸片——无 VHS 标注、无关键点，只提供解剖完整的阅片练习底图，与 21,465 张的 CCK 关键点集构成两极对照

犬侧位胸片 PNG 图像（UABC 兽医教学医院 2019-2020 采集，Universal AV Choice 机 + Rayence XMARU 1417 平板探测器），Mendeley Data 托管，无标注文件 44

医学影像目标检测图像分类医学图像分割评测基准

Human Meridian Acupoint Images — 12 经络 296 穴真人照片人工标注集

影像数据人工标注关键点标注若干名成年志愿者（论文未逐人披露受试者数量与人口学构成，仅说明由资深中医师按真人照片逐张标注，见 §9 遗留疑点）

由中医师按经络走向逐张标注与校对的 12 条正经、296 个穴位人体照片数据集：与合成渲染路线互补的真实影像标尺，专为经络与穴位检测的计算机视觉研究而建

作者在论文中公布的官方下载页（www.zksylf.com 数据集入口）+ 论文正文与图表的统计描述；数据包内为人体照片与经络穴位标注 29

医学影像目标检测图像分类医学图像分割评测基准

AcuSim — 合成渲染的颈颅部 174 穴位定位数据集

合成数据影像数据人工标注0 名真实受试者（504 个合成人体模型、14 个基础身份；3 名中医专家参与标注核验）

用 Blender+DAZ 造 504 个合成人体、渲 63,936 张 1024×1024 RGB-D 图、以体积球标注 174 个颈颅穴位——为中医穴位自动定位开辟一条不依赖真人照片的规模化路径

Dryad 数据包 acuSim.zip（13.04 GB，含 63,936 张 1024² 渲染图、JSON 标注、map.txt 穴位表、四个脚本与 README）+ 论文补充材料 34

药物发现与化学分子对接评测基准挑战赛数据集公共卫生与流行病学

OpenBind — 首届 OpenBind 社区盲测：寨卡病毒 NS2B-NS3 蛋白酶 400 化合物结构预测挑战

实验数据结构数据基准数据400 个小分子（blind_challenge_001–400），靶点为寨卡病毒 NS2B-NS3 蛋白酶（NS2B 46 aa + NS3 168 aa）

400 个从碎片到类先导的小分子、一个 46+168 氨基酸的双链靶点、一条收紧到 1.5 Å 的及格线：OpenBind 联合 OpenADMET 与 ASAP 把结构预测从回顾性打分推进到前瞻性盲测

OpenBind 联盟与 Diamond Light Source XChem 平台产生的 X 射线晶体学浸泡结构 + ASAP Discovery Consortium hit-to-lead 化合物；HF 仓库 openadmet/openbind-blind-challenge-1 63

药物发现与化学药物-靶点相互作用虚拟筛选分子对接评测基准

InteractBind — 9.9 万蛋白-配体对的残基级非共价相互作用图谱基准

公开数据衍生数据人工标注不适用（非患者数据）；规模口径：99,391 对蛋白-配体 / 11,473 唯一蛋白 / 9,017 唯一配体

从 PDB 实验结构出发，用 PLIP 与 GetContacts 把六类非共价接触投影成与 FASTA 序列对齐的残基级指纹；二元结合预测 AUROC 98.3% 的模型在结合位点定位上 BRHR@1 仅 21.6%——一个把「猜对结果」与「看懂位点」拆开来评的基准

PDB 实验解析蛋白-配体复合物（含有机配体、剔金属与结晶水）→ Foldseek 结构感知序列 + SMILES/SELFIES → PLIP 与 GetContacts 检测六类非共价接触 → 残基级二值指纹 24

医学图像分割多模态影像影像-文本对齐挑战赛数据集评测基准

Med-ReasonSeg — 54 万条影像-掩码-问答三元组的医学推理分割数据集

公开影像重打包自动生成标注衍生数据90,021 例扫描（影像级，非患者级；train 71,406 + test 18,615，两划分影像零重叠）；三元组 539,383 条

90,021 例扫描 / 16 个公开分割库 / 9 种模态 / 539,383 条三元组：两阶段 Gemini 流水线为每张掩码配 6 条问答（3 referring + 3 semantic），每图恰 5.99 条，服务于 MedFuse-Seg（MICCAI 2026）

16 个公开生物医学分割库的预处理重打包（BRISC/BUSI/CDD-CESM/Chest Xray Masks and Labels/COVID-19 CT/COVID-QU-Ex/G1020/ISIC 2018/LIDC-IDRI/MSD/NeoPolyp/NSCLC-Radiogenomics/OCT-CME/PolypGen/REFUGE/SIIM-ACR），配二元掩码与两阶段 Gemini 生成问答 22

眼科影像医学问答与基准多模态视觉问答评测基准糖尿病视网膜病变

X-PCR — 跨模态渐进式眼科临床推理基准

影像数据人工标注问答对58 例院内前瞻采集多模态病例（患者级人口学未披露）+ 51 个公开数据集派生影像（患者级数量未披露）

26,415 张眼科影像与 177,868 条专家核验 VQA，覆盖六模态与 52 病种，以六级因果链与跨模态对齐方式测量多模态大模型的诊断连贯性、幻觉与置信校准

51 个公开眼科数据集影像（CFP/FFA/ICGA/OCT/RetCam/外眼）+ 院内 58 例多模态对齐病例 + GPT-5 与 Gemini-2.5-Pro 半自动生成、眼科医师撰写与复核的 177,868 条多选题 VQA 29

医学问答与基准视觉问答评测基准医学问答图像分类多模态

NEJM-Bench — 二十年 NEJM 临床图像挑战的千题多模态基准

multiple-choice-questionsmultimodal-qaclinical-vignettesimage-urls-onlyno-answer-keys1,063 例（每周一期 Image Challenge，2005-10-13 至 2026-04-02；患者为去标识化的公开病例，无独立患者表）

《新英格兰医学杂志》Image Challenge 栏目 2005-2026 年 1,063 例临床图像五选一题：公开版剥离答案键、双场景（MCQ／开放作答）评测、本地 Qwen3.5-27B 裁判与训练截断过滤，暴露约 30 个百分点「选项红利」与放射学 25.7% 的难度下限

NEJM Image Challenge 公开栏目逐期抓取的题干与五选项（context/options）+ 外链病例图（csvc.nejm.org，1500×4000）+ LLM 生成的专科标签（categories.jsonl，每例 3 个） 29

医疗NLP临床文本电子健康记录医学问答与基准医学问答

MedSynth — 万对合成医患对话-SOAP 病历数据集

合成数据文本数据对话数据0 真实患者（全合成）：10,035 对虚构医患对话-病历，覆盖 2,001 个 ICD-10 码，无任何真实个人健康信息

10,035 对全合成医患对话与 SOAP 病历、覆盖 2,001 个 ICD-10 码：以 IQVIA 理赔分布定病种、GPT-4o 六代理流水线反向生成对话，陪审团偏好率对比 NoteChat 达 95%，并以 Dial2Note 基准身份进入 SMM4H-HeaRD 2026 共享任务

单一 CSV（MedSynth_huggingface_final.csv，约 326.6 MiB），四列：ICD10 / ICD10_desc / Note（SOAP 四段病历）/ Dialogue（多轮医患对话）；病种分布由 IQVIA PharMetrics Plus 理赔库统计分析确定 32

临床文本医学问答与基准评测基准命名实体识别知识图谱医学考试

CATS-58 — 临床缩写义项消歧平衡基准集

合成数据文本数据标注数据不涉及患者（全合成句，官方声明 No real patient records or identifiable health data were used，无 PII）；规模 58 缩写 × 2 义项

58 个高歧义临床缩写 × 2 义项 × 150 受控生成句 = 17,400 条——为临床缩写消歧（clinical acronym disambiguation）提供按义项完全均衡的合成基准，CC BY 4.0 于 HuggingFace 公开直链

Hugging Face NevenaD/CATS-58 数据集：58 个高歧义临床缩写 × 每缩写 2 个临床义项 × 每义项 150 条受控生成临床句，字段 acronym/sense/sentence，CSV 与 JSON 格式（另有 refs/convert/parquet 自动转换分支），原始体积 1.74 MB 26

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。