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 1868 个数据集

电子健康记录药物发现与化学真实世界数据药物安全

TriNetX — 全球真实世界数据研究网络

3.09 亿+ 患者生命240+ 医疗机构940 亿+ 临床数据点20+ 国家合作申请获取3.09 亿+ 患者生命（240+ 医疗机构去识别 EHR，截至 2026-06）

连接 240+ 医疗机构、3.09 亿+ 患者去识别 EHR 的联邦式真实世界数据平台

TriNetX, LLC（The Carlyle Group 旗下） url: https://trinetx.com/ 165

药物发现与化学医学问答与基准化学信息学评测基准量子化学

PCQM4Mv2 — OGB-LSC 量子化学图回归数据集

3,746,619 个分子HOMO-LUMO gap（eV）约 1.5GB SDF约 8GB 预处理后DFT 计算标签3D 坐标仅训练验证集CC BY 4.0 开放不适用（分子数据集，3,746,619 个有机分子）

图学习史上最大规模公开量子化学回归基准 · 374 万分子 · 引用 633+

Stanford OGB 团队（整理发布）× PubChemQC 项目（DFT 计算来源） url: https://ogb.stanford.edu/docs/lsc/pcqm4mv2/ 96

医疗NLP生物医学文献临床文本

PMC OA Subset — 全球最大开放获取生物医学全文语料

近 8,000,000 篇全文文章与预印本JATS XML + TXT + PDF + JSON逐篇 CC 许可免费匿名 S3 下载不适用（文献语料）：约 8,000,000 篇文章版本，无患者级记录

近 800 万篇 CC 许可生物医学全文，LLM 预训练的事实底座

National Library of Medicine (NLM), National Institutes of Health (NIH) url: https://pmc.ncbi.nlm.nih.gov/tools/openftlist/ 134

医疗NLP生物医学文献关系抽取命名实体识别药物安全

BC5CDR — 化学-疾病关系抽取金标准

1,500 篇 PubMed 摘要3,116 条 CID 关系4,409 个化学物概念5,818 个疾病概念PubTator + BioC 格式免费开放下载1,500 篇文献（非患者队列）

1,500 篇 PubMed 摘要、3,116 条 CID 关系的文献挖掘金标准语料

NCBI（NIH）/ BioCreative V CDR 任务团队 url: http://www.biocreative.org/tasks/biocreative-v/track-3-cdr/ 75

药物发现与化学化学信息学分子生成

GDB-17 — 化学宇宙 1,664 亿小分子

1,664.4 亿枚举分子50M 可下载子集 484 MBSMILES 文本格式免费下载须引用非患者数据（计算枚举的分子结构库）

枚举 1,664.4 亿个有机小分子的化学宇宙数据库

瑞士伯尔尼大学（University of Bern）Reymond 研究组 url: https://gdb.unibe.ch/downloads/ 85

基因组学与多组学肿瘤学测序数据

cBioPortal — 肿瘤基因组多组学数据平台

468+ 项托管研究200+ 项已发表研究REST API v2 免费访问突变CNA表达甲基化RPPAAGPL-3.0 开源软件hg19GRCh37 为主200+ 项公开研究；最大单项 25,775 例（MSK MetTropism）

468+ 项肿瘤研究的突变/拷贝数/表达/甲基化聚合门户

Memorial Sloan Kettering Cancer Center（MSK）等 url: https://www.cbioportal.org 67

医学影像乳腺影像X光影像图像分类乳腺癌

CBIS-DDSM — 乳腺钼靶 CAD 研究标准评测集

1,566 例受试者3,568 个标注异常163.51 GB DICOMCC BY 3.0 开放下载1,566 名受试者（DICOM 元数据含 6,671 个 patient ID）

1,566 例受试者 3,568 个标注异常的乳腺钼靶良恶性评测集

The Cancer Imaging Archive (TCIA) url: https://wiki.cancerimagingarchive.net/display/Public/CBIS-DDSM 46

医学影像基因组学与多组学病理图像肿瘤学脑肿瘤

UPenn-GBM — 胶质母细胞瘤影像基因组学

630 名患者828,234 张 DICOM 图像约 69GB 预处理 NIfTI145 维影像组学特征CC BY 4.0 免费下载630 名患者（611 例含术前基线多参数扫描）

630 例胶质母细胞瘤多参数 MRI 与影像基因组学免费数据集

The Cancer Imaging Archive (TCIA) — University of Pennsylvania url: https://www.cancerimagingarchive.net/collection/upenn-gbm/ 107

药物发现与化学化学信息学分子生成

USPTO-50k — 美国专利反应提取集

50,016 条 atom-mapped 反应10 类反应类型40,008/4,997/5,011 通行划分约 10 MB 纯文本开放许可 CC0不适用（化学反应数据集，无患者数据）

50,016 条专利反应 · 10 类 · 逆合成基准金标准

Novartis Institutes for BioMedical Research / T5 Informatics（整理）；University of Cambridge（抽取） url: https://tdcommons.ai/generation_tasks/retrosyn/#uspto-50k 85

医学影像骨骼肌肉影像X光影像

儿童骨龄 RSNA — 儿童手部 X 光骨龄评估

14,236 张儿童左手 X 光 PNG1-228 个月骨龄标注（月）性别二值标签Kaggle 镜像约 9.97 GB免费获取（限非商业用途）约 14,236 例儿童手部 X 光检查（基本一例儿童一张主图）

14,236 张儿童左手 X 光 + 月龄骨龄标注 + 性别分层，骨龄评估国际基准

RSNA（北美放射学会） url: https://www.rsna.org/rsnai/ai-image-challenge/RSNA-Pediatric-Bone-Age-Challenge-2017 70

基因组学与多组学蛋白质组学测序数据

UniProt — Universal Protein Resource 通用蛋白质资源

FASTAXMLRDFUniRef50/90/100蛋白质序列与功能数据库

EMBL-EBI (英国) + SIB (瑞士) + PIR (美国) 三方联盟 95

基因组学与多组学代谢组学蛋白质组学

ProteomeXchange — 全球蛋白质组学数据开放联盟

["64,330 个数据集""44,248 个公开""CC0 许可""6 大资源库""80+ 国家提交"]不适用（多物种数据聚合联盟，人类数据集占比最高，无统一队列规模）

64,330+ 个质谱蛋白质组学数据集的统一提交与开放获取基础设施

name: "ProteomeXchange Consortium" url: "http://www.proteomexchange.org" 107

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。