即取即用的 AI-Ready 医疗数据集库
千方医数集致力于为医疗 AI 研究人员找到合适的数据集，让你的 AI 感知模型能够更快地学习、更准确地运行，并无缝适应现实世界的环境。
数据标签
共 1336 个数据集
Expression Atlas — 重新计算过的公共基因表达数据
EMBL-EBI 手工策展、统一重处理的 4,562 个转录组与蛋白组实验
GHDx — 全球健康数据的总目录与可获取性登记册
16 类数据、200 余国家地区、四级获取门槛的健康数据索引
Cellosaurus — 16.9 万细胞系的鉴定权威与误认档案
16.9 万细胞系、904 物种、47 万条交叉引用的细胞系知识库
arXiv 预印本 — 326 万篇，医学影像模型的真正首发地
它不是一个数据集，是一个每天新增一千多篇论文的开放档案：eess.IV（影像与视频处理）是医学影像方法的首发地，通常比期刊早 6–18 个月。元数据全部 CC0，正文许可由作者逐篇选择——这意味着你拿到的每一篇，可用范围都不一样，而这是把它当训练语料时最容易忽略的一处
UCDP 冲突数据 — 41.8 万起有组织暴力事件，记到村庄与单日
它不是伤亡统计，是把「暴力」这件事拆成可核验的最小单元：某天、某个坐标、哪两方、死了多少人、依据什么来源。37 年、126 个国家、425.8 万条死亡记录。做冲突与健康研究时，这是唯一能让你把「战争」当作一个可测量的环境暴露变量接进模型的东西
世界银行开放数据 — 29,544 个指标，把「国家」变成一行
它不是一个数据集，是 71 个数据源的统一检索层：每个指标都标了原始生产者（WHO、UNICEF、ILO、IMF），每条观测都带国家代码、年份、单位与小数位。做跨国健康公平研究时，你真正需要的那张表在这里是「国家 × 年份 × 指标」的三维点阵
BACE — 1,522 条抑制剂，一个靶点，两类标签
它是深度学习药物发现里被引用最多的「入门靶点」：人类 β-分泌酶 1（BACE-1），阿尔茨海默病最热的一个靶点。整张表只有 1,513 个唯一分子，却同时给 IC50 连续值和 0/1 活性标签。它的价值不在规模，在于「同一批化合物、两种建模口径」——而它最锋利的地方，是那 9 条重复的 SMILES
QMOF — 20,372 个金属有机框架，四种泛函的带隙
它是第一个把周期性 DFT 系统性地做在 MOF 上的公开库：500 个原子的大晶胞、170 CPU 年的算力、四种泛函的同一批结构。它最锋利的地方不是规模，而是那组「PBE 带隙双峰、HSE06 变单峰」的对照——同一批材料，换个泛函，结论会翻转
HMD — 41 个国家的死亡率，能一路算到 1751 年
同一个方法协议做了 26 年：把各国统计局口径不一的出生数、死亡数、人口数，重建成年龄×年份×性别的单岁标准网格。瑞典那条序列从 1751 年开始，跨越 274 年没有断过——这是全人类最长的一条连续死亡记录
Europe PMC — 4,911 万条生命科学文献，1.3 亿条机器标注
它不是 PubMed Central 的欧洲镜像：多了预印本、专利、Agricola，多了一整套资助方反查，还多了 13 亿条文本挖掘标注——这是目前唯一能「按钱查论文、按论文查数据」的公开文献基础设施
TCMSP — 502 味药材、13,729 个化合物，每个都带五项成药性打分
免费的老版 2.3 只有 502 味药材和 13,729 个化合物，但每一个化合物都配齐 OB、DL、Caco-2、BBB、溶解度——这是网络药理学十年来的筛选口径本身
CPIC — 把基因型翻译成剂量的那一层
132 个基因、324 种药、29 部指南、2,115 条推荐：它不做研究，只做一件事——把文献里的证据定级，然后落成一句「该加量、减量、还是换药」
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。
