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 1021 个数据集
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
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
SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺
同一份问卷、同一套变量名、同一套缺失码，在 28 个国家问了 22 年：它让「德国的老人比意大利健康吗」这个问题第一次变得可以计算——而它最锋利的部分，是那 2.7 万份干血斑
Add Health — 2 万个美国青少年，从 12 岁追到 44 岁
1994 年在 145 所中学里问出 9 万份问卷，抽 2 万人做家访，然后每 5–7 年回去一次，一直到 2025 年他们 44 岁——这不是一个数据集，是一代人被反复测量的三十年
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
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」
Rfam — 4,227 个 RNA 家族，每个家族一个协方差模型
十个种子序列、一个协方差模型、一份共识二级结构：Rfam 是 RNA 世界的 Pfam，它不给你序列清单，给你的是「怎么在基因组里找出这个家族」的搜索器
RNAcentral — 六千万条非编码 RNA，四成是 rRNA
60,054,521 条序列、56 个专家库、110 万个物种：它不产生数据，只做一件事——把同一个 RNA 分子在不同库里的十几个编号，归并成一个 URS
NeuroVault — 71 万张脑成像统计图，7.6% 的集合有 DOI
18,020 个集合、715,894 张图、18 个模板图谱：这是全球最大的脑成像「结果图」公共库，存的是 z/t/F 值不是原始影像，也是「拿别人的结论当数据」最容易翻车的地方
Complex Portal — 两万个蛋白复合物，写着每个零件有几个
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
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：从 1989 年起，谁有资格给一个抗体基因命名，归这个库说了算
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。
