即取即用的 AI-Ready 医疗数据集库

哈佛大学 Axelrod 与 MIT Gómez-Bombarelli 团队以 CREST 采样与半经验 DFT 生成的 Geometric Ensemble Of Molecules：覆盖 QM9 133,258 个小分子与 317,928 个带实验数据的药物类/生理类物种，另含 1,511 个 BACE-1 抑制剂的高精度隐式水 DFT 自由能标注，是 3D 分子机器学习时代构象生成与预训练的基石数据集

Harvard Dataverse GEOM V4（doi:10.7910/DVN/JNGTDF）：drugs/qm9 × crude/featurized MessagePack 包 + rdkit_folder RDKit pickle 汇编 + molecule_net 与 bace_water 实验标签包 + censo/crest Hessian 轨迹包；子集构成与规模明细见正文附录 A 32

医学影像医学图像分割目标检测病理图像评测基准

LIVECell — 无标记活细胞相差显微实例分割数据集

影像数据人工标注原始数据基准数据无患者级数据（体外 2D 细胞培养；8 种细胞系 = 7 种人源（A172/BT-474/Huh7/MCF7/SH-SY5Y/SkBr3/SK-OV-3）+ 1 种小鼠源（BV-2））；标注细胞实例

Sartorius 出品、Nature Methods 2021 发表的 5,239 张无标记相差显微图像、168 万余个逐细胞多边形标注——迄今最大规模人类—小鼠细胞系活细胞实例分割基准，用 Incucyte S3 每四小时连续成像捕捉从稀疏到汇合的全形态谱系

Sartorius Incucyte S3 Live-Cell Analysis 系统采集的 5,239 张无标记相差显微图像（原始 1,310 张 1408×1040 px，每张裁 4 张 704×520 px）+ 逐细胞 COCO 多边形实例标注明细见正文附录 §6.6 35

生理信号可穿戴传感步态与运动时序数据评测基准

SisFall — 可穿戴惯性传感跌倒检测数据集

原始数据时序数据传感器数据38 名受试者（青年组 23 人 19-30 岁 + 老年组 15 人 60-75 岁，含 60 岁参与者 SE06）

哥伦比亚安蒂奥基亚大学自研腰部佩戴设备（双加速度计+陀螺仪，200 Hz）采集 38 名受试者的 19 种日常活动与 15 种模拟跌倒共 4504 条记录，是跌倒检测领域最常被引用的公开惯性传感器基准数据集

自研腰部佩戴惯性传感设备采集的三轴加速度（ADXL345 ±16g + MMA8451Q ±8g）与三轴角速度（ITG3200 ±2000°/s）时序记录，200 Hz 采样，19 种 ADL 与 15 种模拟跌倒，每记录 9 列 txt 文本文件 54

生理信号可穿戴传感睡眠信号队列研究评测基准神经科学

GLOBEM — 多年纵向可穿戴感知与心理健康数据集

时序数据调查数据真实世界数据705 人年（person-years）；497 唯一参与者；四年子集 INS-W_1=155 / INS-W_2=218 / INS-W_3=137 / INS-W_4=195

首个公开四年（2018-2021）被动移动与可穿戴感知数据集：705 人年 / 497 唯一参与者 / 24×7 追踪六类传感器流，以抑郁检测为起点基准 18 种算法，揭示行为模型跨数据集泛化的普遍坍塌

华盛顿大学 UW-EXP 研究四年（2018-2021）采集的手机 App（AWARE framework，iOS/Android）与 Fitbit 手环被动感知特征 + Pre/Post/EMA 问卷（含 BDI-II、PHQ-4 抑郁量表） 47

生理信号心电信号时序数据队列研究心血管疾病

Fantasia Database — 健康窦性心律 HRV 分形动力学参考库

原始数据生理信号数据人工标注40 名严格筛查健康受试者（20 名 21-34 岁年轻人 + 20 名 68-85 岁老年人，各队列男女各半），共 40 条 120 分钟记录

PhysioNet 经典多生理信号库：20 名年轻人与 20 名严格筛查健康老年人仰卧观看《幻想曲》120 分钟的连续 ECG、呼吸与半数含血压记录，为心率变异性与衰老分形动力学研究提供黄金健康对照组——DFA 长程相关性随年龄崩解的原始证据库

PhysioNet Fantasia Database 1.0.0：40 条仰卧静息 WFDB 记录（ECG 2 导 + 呼吸阻抗；f2* 系列 20 条另含未校准连续无创血压第 3 通道），250 Hz 数字化，逐拍心拍注释（自动检测+目视复核），解压约 292.5 MB 63

生理信号脑电信号睡眠信号评测基准癫痫

CAP Sleep Database — 周期性交替模式睡眠数据库百科

人工标注生理数据原始数据108 条记录对应 108 名受试者（16 名健康对照 + 92 名睡眠障碍患者；PhysioNet 页面未逐条披露人口学明细）

PhysioNet 上 108 条全夜多导睡眠图与 CAP 周期性交替模式参考标注——16 健康 + 92 病理（NFLE 40/RBD 22/PLM 10/失眠 9/发作性睡病 5/SDB 4/磨牙症 2），帕尔马睡眠障碍中心 Terzano-Parrino 团队出品，ODC-BY 完全开放

108 条全夜多导睡眠图 EDF 波形（≥3 导 EEG 参考 A1/A2、2 导 EOG、颏下与双侧胫前 EMG、airflow、胸腹呼吸努力、SaO2、EKG，部分记录含额区附加双极 EEG 导联）+ 逐条 .txt 评分文件（R&K 分期、体位、CAP phase A 事件）+ .st PhysioBank 兼容标注 + Matlab 脚本两枚 35

神经科学脑影像MRI医学图像分割评测基准

Neurofeedback Skull-stripped — 脑部 MRI 颅骨剥离金标准库

影像数据人工标注原始数据125 例受试者（77 女 + 48 男，21–45 岁，均值 31、标准差 6.6）；其中 66 例有 ≥1 项当前或既往精神科诊断（SCID/DSM-IV）；每例含 T1w 原图 + 脑图 + 脑

NKI Enhanced Rockland Sample 神经反馈子研究 125 例 T1 加权 MRI 的手工校正颅骨剥离库——BEaST 自动初剥 + Freeview 逐例手修（85 例编辑）的迭代 bootstrap 工艺，无条件开放、无需数据使用协议，为脑提取算法提供金标准训练/测试数据

NKI Enhanced Rockland Sample Neurofeedback Study（NFB）第三次访问的 3T Siemens Magnetom TIM Trio 3D MPRAGE T1 加权解剖 MRI（1×1×1 mm³），经去脸匿名化后由 BEaST v1.15.00 自动初剥、Freeview 手工校正，迭代 bootstrap 形成 125 例金标准掩码（另附 NFB 定制 BEaST prior library） 36

生理信号脑电信号神经科学癫痫

Siena Scalp EEG Database — 14 例癫痫患者头皮脑电 47 次发作长程参考集

原始数据时序数据人工标注14 例癫痫患者（9 男 / 5 女，PhysioNet 摘要口径；subject_info.csv 逐行实为 8 男 / 6 女）

锡耶纳大学神经内科与神经生理学科 14 例癫痫患者视频-EEG，512 Hz、国际 10-20 导联、47 次发作 / 约 128 小时，CC BY 4.0 于 PhysioNet 公开；源自托斯卡纳 PANACEE 非侵入式发作预测项目，是成人头皮脑电发作检测与预测的经典长程数据锚点

锡耶纳大学神经内科与神经生理学科视频-EEG：14 个文件夹（PNxx）共 1-5 个 EDF 文件/例（512 Hz、国际 10-20 导联、29 或 20 通道 EEG + 1-2 路 EKG）+ Seizures-list-PNxx.txt（逐次发作起止时刻）+ subject_info.csv（性别、年龄、ILAE 分类、通道数、发作数、记录分钟） 40

生理信号脑电信号神经科学癫痫评测基准

TUH EEG Events Corpus — 天普大学脑电事件语料库，六类 EEG 事件逐通道标注基准

人工标注信号数据原始数据约 230 个 EEG 会话（社区常用口径 149 train / 83 eval，患者级互斥划分；官方页未列会话总数，见 §9.3 口径存照）

TUH EEG Corpus（TUEG）的六类事件标注子集 v2.0.1：棘波尖波/全面性周期性放电/偏侧性周期性放电/眼动/伪影/背景逐通道秒级标注，NEDC 专家生产，患者级 train/eval 官方划分，EEG 基础模型事件分类事实基准，免费注册 rsync 获取、无需 IRB 或 DUA

TUH EEG Corpus（TUEG）临床头皮 EEG 记录子集 + NEDC 专家逐通道六类事件标注（.rec/.lab 双格式，1 秒标注窗） 40

生理信号脑电信号癫痫评测基准

TUH Abnormal EEG Corpus — 天普大学异常脑电语料库 · 临床正常/异常二分类基准

原始数据临床数据人工标注2,993 条 EDF 记录 / 2,383 名受试者（官方 AAREADME 表：Normal 1,385 + Abnormal 998）；eval 253 唯一受试者 / train 2,076

天普大学医院 2002-2017 临床 EEG 中 2,993 条已判读记录、2,383 名受试者构成的正常/异常二分类子语料——由 López 2017 硕士论文建立、NEDC 维护至 v3.0.1，是 EEG 病理筛查的起步基准，并衍生出 TUABEX/TUABEXB/AutoTUAB 扩展谱系

Temple University Hospital 2002-2017 常规临床 EEG（10-20 系统，仅 01_tcp_ar 一种参考配置，EDF 剪枝格式），临床判读报告导出 normal/abnormal 记录级标签；约 60 GB；版本链 v2.0.0→v3.0.0→v3.0.1 44

医学影像视觉问答多模态影像评测基准影像-文本对齐

Med-MIM — 医学多图像指令数据集与多图像视觉能力基准

人工标注合成数据影像数据未披露患者级数量；指令数据集 83.2K QA 对（81.3K 图像，含 56 例多访视/多视角序列源）；held-in 基准 2,968 闭式 + 256 开式；held-out 基准各 300 闭

香港中文大学 83.2K 医学多图像 QA 指令数据集——四种多图像视觉能力（时序理解/推理/比较/共指）由 MS-CXR-T、EMBED、LUMIERE 与 LLaVA-Med VQA 构建，微调出 Med-Mantis 与 MIM-LLaVA-Med，配套 held-in/held-out 基准

四类多图像源：MS-CXR-T（胸部 X 线时序关系）+ EMBED（Emory 乳腺 X 线多视角）+ LUMIERE（纵向胶质母细胞瘤 MRI 多访视/多模态）构成 inherent 子集；LLaVA-Med VQA / PMC-15M 经手动分组加位置后缀构成 composed 子集；G（GPT-4o + 迭代润色）生成指令。held-out 由 VQA-RAD 改编 MIM-RAD、由 ODIR 构建 MIM-ODIR 31