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。

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 1384 个数据集

基因组学与多组学药物发现与化学多模态

Complex Portal — 两万个蛋白复合物，写着每个零件有几个

20,580 个蛋白复合物27 个物种化学计量PSI-MI 标准人类 2,436 个FTP 全量 TSVXMLWeb Service 单条 JSON不适用（蛋白复合物参考目录，无个体层级数据）。疾病关联字段指向的是孟德尔遗传病与肿瘤，不是患者个体

20,580 个复合物、27 个物种、人类占 2,436 个：这是目前唯一一个把「化学计量」写进数据的蛋白机器目录，也是 STRING 与 IntAct 都缺的那一层

[{'@type': 'DataCatalog', 'name': 'Complex Portal Web Service', 'url': 'https://www.ebi.ac.uk/intact/complex-ws/'}, {'@type': 'DataCatalog', 'name': 'Complex Portal FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/intact/complex/current/'}] 32

公共卫生与流行病学基因组学与多组学多模态微生物组

GBIF — 四十亿条物种出现记录，七成七是动物，一成二是公民科学

3,983,162,286 条出现记录124,867 个数据集3,651 个发布机构48,872,354 个物种Darwin Core 标准169 个参与节点API 全开放不适用（物种出现记录，无人类个体数据）。但需注意：濒危物种的精确坐标可能被用于盗猎或非法采集，GBIF 对敏感物种提供坐标模糊化机制

3,983,162,286 条记录、124,867 个数据集、48,872,354 个物种：这是全世界最大的生物多样性出现记录网络，也是唯一一个靠博物馆标本和手机照片共同撑起来的库

[{'@type': 'DataCatalog', 'name': 'GBIF API', 'url': 'https://api.gbif.org/v1/'}, {'@type': 'DataCatalog', 'name': 'GBIF 数据集检索', 'url': 'https://www.gbif.org/dataset/search'}] 19

基因组学与多组学公共卫生与流行病学微生物组多模态

ENA — 八十拍字节的核酸总账，四千万次测序的入口

1,098,568 项研究55,877,279 个样本44,433,186 次运行80.7 PBINSDC 欧洲节点四层记录模型FTP + Portal API开放下载不适用（通用序列档案）。但需注意：人类受控访问数据在 EGA（European Genome-phenome Archive），不在 ENA 公开层；ENA 公开层的序列不含可识别个人身份的信息，但部

1,098,568 项研究、55,877,279 个样本、44,433,186 次测序运行：INSDC 欧洲节点，从 1980 年的一条序列长到今天

[{'@type': 'DataCatalog', 'name': 'ENA FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/ena/'}, {'@type': 'DataCatalog', 'name': 'EBI Search（官方索引口径）', 'url': 'https://www.ebi.ac.uk/ebisearch/ws/rest/sra-run'}] 19

基因组学与多组学变异与注释蛋白质组学药物-靶点相互作用

IMGT — 十二万条等位基因的命名权威，没有 API

12,922 个基因18,322 个等位基因42 个物种251,706 条 LIGM-DB 序列无 REST APICC BY 4.0开放下载目录不适用（免疫遗传学参考库，无个体记录；LIGM-DB 的 251,706 条序列是公开登记的序列，不含可识别个人身份的信息）

12,922 个基因、18,322 个等位基因、42 个物种：从 1989 年起，谁有资格给一个抗体基因命名，归这个库说了算

[{'@type': 'DataCatalog', 'name': 'IMGT 下载目录', 'url': 'https://www.imgt.org/download/'}] 17

基因组学与多组学变异与注释多模态知识图谱

Alliance of Genome Resources — 九物种联盟，五成七是重复行

56,677,795 个实体1,909,959 条表型注释（去重后）51,188,465 条变异23.04 GB 下载9 个物种8 个成员库100% 挂 PMID开放 S3 桶不适用（模式生物参考库，无人类个体级记录；HUMAN 轴为基因-疾病注释，非队列数据）

56,677,795 个实体、1,909,959 条表型注释、23.04 GB 下载：八个模式生物库合并成一个库之后，字段统一了，语义没有

[{'@type': 'DataCatalog', 'name': 'Alliance of Genome Resources 下载站', 'url': 'https://download.alliancegenome.org/'}] 26

基因组学与多组学变异与注释公共卫生与流行病学微生物组

BV-BRC — 一千七百万个病原基因组，九成是病毒

17,061,503 个基因组8,955,936,565 条基因组特征869,000,661 条专项基因17,634,751 条 AMR 记录免注册 APIFTPS 分发持续更新不适用（病原基因组库，无个体患者记录；含 2,237,561 条监测样本与 148,106 条血清学结果，但不含可识别个人身份的信息）

17,061,503 个基因组、89.6 亿条注释特征、8.69 亿条专项基因：NIAID 把细菌与病毒两个数据库焊在一起之后，数据长成了什么形状

BV-BRC（Bacterial and Viral Bioinformatics Resource Center，University of Chicago） url: https://www.bv-brc.org/ 23

基因组学与多组学变异与注释知识图谱

MGI — 小鼠成为人类疾病模型的那本账

75,252 个基因141,808 个突变等位基因415,358 条表型注释66,340,659 个 RefSNPCC BY 4.0 许可季度更新免注册直下不适用（小鼠模式生物库，无个体动物记录，无人类患者数据）

75,252 个基因、141,808 个突变等位基因、415,358 条表型注释：一个只服务一个物种、却支撑半个生物医学的知识库

MGI（Mouse Genome Informatics，The Jackson Laboratory） url: https://www.informatics.jax.org/ 27

基因组学与多组学变异与注释知识图谱

IPD-IMGT/HLA — 免疫遗传学的命名权威

47,424 个等位基因346 MB 扁平文本CC BY-ND 许可季度更新免注册直下JSON API 无鉴权不适用（等位基因参考库，含 78,489 条细胞系记录，无患者级数据）

47,424 个官方命名的 HLA 等位基因：从 1998 年的 964 个到今天的超多态体系

IPD-IMGT/HLA（EMBL-EBI / Anthony Nolan Research Institute） url: https://www.ebi.ac.uk/ipd/imgt/hla/ 30

公共卫生与流行病学生物医学文献调查数据

Dryad — 论文附录数据的第一落点

65,786 个已发布数据集50,000,000+ 文件CC0 1.0 全库强制DOI 前缀 10.5061免注册直下JSON API 无鉴权不适用（通用存储库，收录 65,786 个独立数据集）

CC0 强制的通用数据存储库：2024/25 财年 65,786 个已发布数据集、5,000 万+ 文件、全部 DOI 化

Dryad Digital Repository url: https://datadryad.org 26

神经科学生理信号脑电信号多模态

IBL Brain-Wide Map — 小鼠全脑决策活动图谱

12 个实验室139 只小鼠459 个 session699 次探针插入62.2 万个单元7.5 万个良品单元279 个脑区AWS 公开桶0

12 个实验室、139 只小鼠、69.9 万次探针插入，拼出一张全脑活动图

国际脑实验室（International Brain Laboratory）联合建设，12 个实验室贡献数据；存储由 AWS Open Data 计划承担（桶 ibl-brain-wide-map-public，us-east-1）；访问入口 internationalbrainlab.org 30

神经科学生理信号电子健康记录多模态

DANDI Archive — 神经电生理数据联邦档案库

NWB 格式BIDS 格式OME-Zarr上千个 dandisets版本化数据集CC-BY-4.0元数据 CC0单文件 5 TB 上限embargo 6 个月0

它不是一个数据集，是上千个数据集的容器。首页写着一千零五十九个、九百二十二太比特，同一个站的 API 却报九百三十八、一千二百零九；四个官方来源给出四个规模数字。这个库真正值得学的是它怎么把「版本」和「许可」做成硬约束

美国 BRAIN Initiative 资助；分布式档案库由劳伦斯伯克利国家实验室、MIT、CatalystNeuro 等机构联合建设；存储由 AWS Open Data 计划承担；访问入口 dandiarchive.org 25

生理信号脑电信号癫痫挑战赛数据集评测基准

UPenn-Mayo — 颅内脑电癫痫检测挑战赛

颅内脑电1 秒片段犬与人类双物种发作检测早期检出标签11.62 GB竞赛受限许可12

十二个受试者、四只狗、八个人、一秒一段。它用一场 Kaggle 竞赛把癫痫检测的算法门槛一次性抬到 AUC 0.96，也留下了一个更难堪的后续：前三名里有两个换一份数据就跌回随机水平

美国宾夕法尼亚大学（UPenn）神经工程与治疗中心、梅奥诊所（Mayo Clinic）癫痫与神经生理实验室；International Epilepsy Electrophysiology Portal（ieeg.org）；NINDS 与美国癫痫学会（AES）资助；Kaggle 承办 31

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。