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 1,883 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 1865 个数据集

生理信号语音信号儿科多模态队列研究评测基准

BABYCRY-UJM-AXA — 1,000 名足月新生儿哭声声音库

原始数据音频数据真实世界数据1,000 名足月新生儿（1,040 名入组，40 名在记录日未哭）；日龄 15.81–141.60 小时

圣艾蒂安大学 ENES 团队在产科病房连续高保真录音，用主动学习+集成方法自动抽取 107,312 条哭声序列——迄今全球最大婴儿哭声音频库，CC BY 公开 81 GB，配音 176 个声学描述子，服务神经发育风险早筛

产科病房连续高保真录音（44,100 Hz / 32-bit）+ 主动学习与集成方法自动抽取的 107,312 条哭声 .wav + metadata.csv（人体测量学/孕产史/分娩情境 + 176 声学描述子）+ code.zip（Python 管线 + R 技术验证） 42

电子健康记录知识图谱命名实体识别药物发现与化学医疗NLP

TCMSSD — 中医证候标准化数据库

结构化数据知识库文献数据不适用（文献与公共数据库整合的证候—疾病—处方—中药—成分—靶点—药物知识库，非患者级临床队列）

浙江中医药大学构建的证候辨证综合库：624 证候 / 133,518 处方 / 8,073 疾病 / 8,259 中草药 / 43,413 成分 / 17,602 靶点 / 8,182 药物，深度学习知识图谱 + BM25 证候预测，打通中医证候与西医分子层

《中医证候学》(Zhong Yi Zheng Hou Xue) 与《中医内科学》(Zhong Yi Nei Ke Xue) 文献 + TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem 等公共数据库整合 44

医疗NLP医学问答与基准知识图谱电子健康记录临床文本

TCMEval-SDT — 中医辨证思维四步推理评测基准数据集

人工标注文本数据评测数据300 例中医证候诊断病例（训练 200 / 测试 50 / 验证 50）

中国中医科学院主导、发表于 Scientific Data 的首个中医证候诊断「思维过程」评测基准——300 例专家标注病例、四步推理链、十选项病机证候多选题、CC-BY 4.0 经 figshare 公开，覆盖 GLM/ChatGPT/通义千问/Gemini 四大模型辨证能力横评

中医证候诊断病例文本集：源自 CNKI、万方数据、中医古籍与医院病历三源，经清洗/匿名化/去重后由中医专家用百部知识引擎标注，含 13 字段元数据（病历 ID、临床数据、解释性总结、证候、临床信息、病机及推理链、选项与答案） 42

医学影像目标检测图像分类评测基准多模态公共卫生与流行病学

TCM-Tongue — 首个 AI 中医舌诊标准化舌象数据集

人工标注影像数据原始数据6,719 张舌象图像（受试者/患者总人数未披露）；训练 5,594 / 验证 572 / 测试 553（测试含 10% 疑难病例）

6,719 张 D65 标准光源下采集的舌象高清图，20 类病理症状多标签（每图平均 2.54 标签，执业中医师双验证），三种标注格式 + YOLOv5/v7/v8/SSD/MobileNetV2 基准，CC BY 4.0 公开

定制双摄标准化舌象采集系统（D65 标准光源、sub-100μm 焦点堆叠、3-8s/人）所得 6,719 张高清舌象 + 20 类病理症状多标签（COCO/YOLO TXT/PASCAL VOC XML 三格式）+ YOLO 检测代码 58

医学影像乳腺影像医学图像分割图像分类肿瘤学

QAMEBI — 乳腺病灶 B 超图像＋放射科医师手绘掩码开源库

人工标注影像数据原始数据232 例乳腺病灶（123 恶性／109 良性；患者数为 232 例近似 1 病灶／例，论文未单列独立患者数）

232 例组织病理确诊的乳腺超声病灶（123 恶性／109 良性），每例三份条目（原图＋GT 掩码＋融合图），伊朗・土耳其・马来西亚三国产学多中心，CC BY 4.0 免费开放下载——乳腺 B 超分类与分割研究的轻量级「金标准＋掩码」双重入口

伊朗・土耳其・马来西亚三国产学多中心乳腺 B-mode 超声（Aixplorer Ultimate／Supersonic Imagine）；232 例组织病理确诊病灶；每例三份条目（原图＋放射科医师手绘 GT 分割掩码＋融合图），Bitmap 格式 38

医学影像CT医学图像分割目标检测挑战赛数据集肿瘤学

ULS23 通用病灶分割挑战赛 — 胸腹盆 CT 三维通用病灶分割基准

影像数据人工标注分割掩码挑战赛数据训练集 38,693 病灶（胸腹盆 CT）；公开测试集 775 病灶 / 284 患者（Radboudumc 368/152pt + JBZ 407/132pt）；最终测试 725 病灶/268 患者

Radboudumc DIAG 主导的 ULS23 挑战赛与基准数据集——复用 DeepLesion 750 病灶并新标注骨 744/胰腺 124，聚合 10 个公开数据集共 38,693 病灶，测试集 775 病灶，CC BY-NC-SA 4.0，基线 nnUnet 半监督 Dice 0.703

复用 DeepLesion 测量信息并由学生三重分割取多数（DeepLesion3D 743-750 病灶）+ Radboudumc 资深放射科医生分割的骨 697-744 与胰腺 120-124 新标注 + 聚合 KiTS21/LiTS/NIH-LN/LIDC-IDRI/LNDb/MDSC 等公开数据集 33

医学影像MRI骨骼肌肉影像医学图像分割挑战赛数据集

SPIDER — 腰椎 MRI 分割多中心数据集与公开基准

人工标注影像数据原始数据公开 218 名患者 / 447 个 MRI series（218 studies）；全量采集 257 studies / 544 series（含 39 studies 隐藏测试集）

荷兰四院 218 患者 447 矢状位 T1/T2/T2-SPACE 腰椎 MRI 的椎骨-椎间盘-椎管三层参考分割 + 七类退变分级（Modic/Pfirrmann 等）+ 隐藏测试集上的 SPIDER Grand Challenge 公开基准

荷兰四家医院多中心腰椎矢状位 MRI（216 MB 级 images.zip 3.7GB + masks.zip 58.2MB）+ .mha 3D 体数据与同名分割掩膜 + overview.csv + radiological_gradings.csv；Retrieved from https://zenodo.org/records/8009679 33

基因组学与多组学蛋白质组学知识图谱评测基准

SAbDab2 — 面向机器学习的抗体结构数据库

实验数据结构数据原始数据人工标注不适用（抗体结构数据，非患者队列；21,237 个抗体实例来自 11,085 个 PDB ID）

牛津 OPIG 把 SAbDab（2013 起）重构成 ML 时代的抗体结构库：21,237 个抗体实例 / 11,085 个 PDB ID / 6,540 个 SAbDab2 ID，IMGT+ANARCII 编号，CC-BY 4.0，附带 15,641 条 ML-grade 可变区结构与版本化 train/test 划分

Protein Data Bank (PDB) 全部公开抗体结构（PDBx/mmCIF 格式）经 ANARCII 识别与 IMGT 编号后重新注释；ML-grade 子集为 X 射线/冷冻电镜、分辨率 ≤3.5 Å、非致病性、裁剪至可变区 IMGT 位 1–128 的结构 39

基因组学与多组学蛋白质组学变异与注释知识图谱评测基准

InterPro — 蛋白质家族与结构域整合分类资源

原始数据知识库注释数据开放数据不适用（非患者数据集，为蛋白序列注释参考资源；UniProtKB 150,006,383 条序列中 127,708,989 条（85.1%）被注释）

EMBL-EBI 主导、13 家成员库整合的蛋白质序列功能注释元数据库——54,922 个 InterPro entry 覆盖 UniProtKB 85.1% 蛋白，CC0 公共领域奉献、API 六端点与 FASTA/JSON/TSV 批量下载全开放

UniProtKB（Swiss-Prot + TrEMBL）与 UniParc 蛋白序列；PDB 结构；13 家成员库签名（Pfam 38.2 / CDD 3.21 / HAMAP / NCBIFAM / PANTHER / PIRSF / PRINTS / PROSITE / SFLD / SMART / SUPERFAMILY / CATH-Gene3D + MobiDB Lite）；经 InterProScan 整合并附 InterPro2GO 映射 41

基因组学与多组学蛋白质组学变异与注释知识图谱生物医学文献

Pfam — 蛋白质家族与结构域数据库，InterPro 联盟最大成员库

参考数据序列数据开放许可不适用（非患者数据集；规模以 Pfam 条目/家族/clan 计）

Pfam 用「seed 多序列比对 + profile 隐马尔可夫模型（HMM）」表征蛋白质家族与结构域——2015 起隶属 InterPro 联盟并成为其覆盖主力（Pfam 38.2 的 30,134 条签名中 96.7% 被 InterPro 整合），数据 CC0；本条目重点消歧「Pfam = 单一成员库」与「InterPro = 整合框架」的分工

Pfam-A 条目集（25,545@38.0 / 27,481@38.1 / 30,134@38.2）= seed 多序列比对 + profile HMM + full 比对 + clan 归并表；源自 UniProt Reference Proteomes 与 UniProtKB，随 InterPro 发布 37