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 1856 个数据集

医学影像CT肿瘤学肺癌

Lung-PET-CT-Dx — 肺癌 PET/CT 双模态诊断

355 名肺癌受试者127.18 GB DICOM 影像251,135 幅图像CC BY 4.0 免费下载PASCAL VOC XML 标注355 名经活检病理确诊的肺癌受试者

355 例病理确诊肺癌的 PET/CT 双模态影像，251,135 幅逐层边界框标注

TCIA（The Cancer Imaging Archive）· 哈尔滨医科大学第二附属医院 url: https://www.cancerimagingarchive.net/collection/lung-pet-ct-dx/ 70

电子健康记录药物发现与化学药物安全队列研究

CDARS — 全港临床 EHR 数据库

1,100 万+ 患者55 亿+ 条记录1995 年至今持续更新申请审核制ICD-9-CM 编码1,100 万+ 名患者（含 1993 年以来临床细节）

香港医管局全港性临床数据库 · 1,100 万患者 · 55 亿条记录

香港医院管理局（Hospital Authority, Hong Kong SAR） url: https://www3.ha.org.hk/data 111

基因组学与多组学测序数据GWAS

HPRC 人类泛基因组参考

47 人 94 单倍型草图Release 2: 232 人 464 组装119M 新碱基SV 检出 +104%多平台长读长测序47 名（Release 1）/ 232 名（Release 2）健康个体，全部来自 1000 Genomes Project 血缘并有广泛同意框架

47 人 94 单倍型草图到 232 人 464 组装：把人类参考基因组从一条线变成一张图

https://humanpangenome.org/data/ 60

药物发现与化学公共卫生与流行病学药物安全疾病监测真实世界数据

JADER 日本药品不良事件报告数据库 — 日本 PMDA 自发药物警戒库

PMDA 公开免费下载无需注册图片验证码MedDRAJ 编码四表病例编号关联全量覆盖更新（非增量）含 R2R3 混存结构逾 96.5 万例（2004-04~2025-01，J-STAGE 口径）；2025 年末约 90 万份（去重口径）

PMDA 药品副作用报告数据库 · 2004 年 4 月起逾 96 万例 · 四表关系结构 · 免费公开下载

Pharmaceuticals and Medical Devices Agency (PMDA), Japan url: https://www.pmda.go.jp/safety/info-services/drugs/adr-info/suspected-adr/0004.html 69

电子健康记录药物发现与化学临床电子病历分子生成

Synthea — 开源合成患者生成器

可无限生成100 万官方档案16 张 CSV 表FHIR R4Bulk FHIRCSVC-CDAApache 2.0 免费100 万（SyntheticMass 官方档案；生成器可按需无限生成）

百万级开源合成 EHR，Apache 2.0 无限制生成真实感患者记录

The MITRE Corporation url: https://synthetichealth.github.io/synthea/ 108

电子健康记录医学问答医疗NLP药物安全

DrugEHRQA：结构化与自由文本双模态用药问答

临床文本结构化表格问答对受限获取结构化部分覆盖 MIMIC-III 中 505 份出院小结所涉住院记录；问答对 70,381 条，其中两路均有答案 12,738 条

从 MIMIC-III 的处方表与出院小结同时取材，生成 70,381 条中文以外的用药问答三元组，每条含自然语言问题、可执行的 SQL 与两路答案，半数以上是含嵌套子查询的复杂 SQL

MIMIC-III 临床数据库 v1.4 的 PRESCRIPTIONS、DIAGNOSES_ICD、D_ICD_DIAGNOSES 三张表，以及 2018 n2c2 药物不良事件与用药抽取挑战赛标注的 505 份出院小结 26

电子健康记录临床电子病历医学问答评测基准医疗NLP临床文本

EHRSQL — 电子健康记录 Text-to-SQL 基准

24,411 问答对230 问题模板95MB+102MB SQLiteCC BY 4.0JSON 源文件222 名医院人员受访者（底层为 MIMIC-III 与 eICU 患者）

222 名医院人员问卷驱动的可信语义解析基准：24,411 问答对、230 模板、93.2% 时间敏感、含不可答问题

KAIST EdLab（KAIST AI 研究生院）联合 Konyang University Hospital、Seoul Women's University url: https://github.com/glee4810/EHRSQL 68

生理信号儿科图像分类心血管疾病语音信号

CirCor DigiScope — 全球最大儿科心音数据库

5,272 条 4 kHz 心音录音1,568 名 0-21 岁受试者215,780 个心拍分割标注约 559 MB WAVTSVCSV免费开放下载1,568 名受试者（0-21 岁）

1,568 名 0-21 岁儿童的 5,272 条四点位心音录音与杂音特征标注

PhysioNet（Universidade do Porto / INESC TEC / Real Hospital Português 等） url: https://physionet.org/content/circor-heart-sound/ 86

电子健康记录临床电子病历真实世界数据重症监护

Truveta

结构化 EHR临床笔记医学影像理赔链接SDOH基因组130,000,000+

由 30 家美国医疗系统共同治理的 1.3 亿患者真实世界 EHR 平台

30 家美国成员医疗系统 EHR 系统每日增量贡献 73

医学影像CTMRI图像分类骨骼肌肉影像

RadImageNet — 放射学迁移学习基座数据集

1.35M 标注 key image131,872 名患者165 类病理标签11 个解剖区CTMRIUS 三模态申请审核获取131,872 名患者（公开研究版）

135 万标注图像 · 165 类 · CT/MRI/US 三模态医学迁移学习基座

RadImageNet（西奈山伊坎医学院联合团队 / RadImageNet LLC） url: https://www.radimagenet.com/ 55

生理信号心电信号挑战赛数据集评测基准重症监护心血管疾病

PhysioNet/CinC Challenge 2014 — 多模态心拍定位挑战

时序数据原始数据生理信号100 条公开训练记录（编号 100-199，151,032 个专家标注心拍）+ 300 条隐藏测试记录（152,478 心拍，从未公开）；每条记录对应 1 名成人（患者或健康志愿者），官方未发布患者

Robust Detection of Heart Beats in Multimodal Data：100 条公开成人多参数床旁监护记录（每条 10 分钟、4-8 通道、第一路恒为 ECG）+ 300 条隐藏测试记录，151,032 个专家标注心拍；任务是在 ECG 缺失或严重噪声时，从血压/脉搏/呼吸等非 ECG 通道稳健定位每一个心拍；60 队 1,332 份提交，ODC-BY 1.0 全量开放，是生理信号多模态融合方法学的奠基性基准

MIT Laboratory for Computational Physiology（MIT 实验计算生理学实验室）；记录源自 MIMIC-II Waveform Database 等床旁监护多参数长程记录的 10 分钟片段，覆盖成人患者与健康志愿者 40