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 600 个数据集

生理信号脑电信号癫痫评测基准

TUSZ — 坦普尔大学医院癫痫发作脑电语料库

癫痫发作检测长程脑电事件级标注类别失衡跨中心泛化BIDS 格式临床脑电基准评测675

一万六千小时的临床脑电里，只有百分之零点二的片段装着发作。为了把这些片段挖出来，一群工程师用关键词、商业软件和自研模型三方交叉筛了一遍，最后留下 675 名患者、1,476 小时、4,029 次发作

美国天普大学（Temple University）电气与计算机工程系神经工程数据联盟（NEDC）；天普大学医院 2002–2017 年归档临床脑电；天普大学 IRB 批准，按 HIPAA 去除 18 类标识符 36

电子健康记录临床电子病历医疗NLP临床文本医学问答与基准评测基准

SimSUM — 结构化表格×GPT-4o 临床笔记的合成临床信息抽取基准

合成数据文本数据结构化表格人工标注机器标注10,000 条虚构患者就诊记录（全合成，无真实患者）；每条含 1 份正常笔记 + 1 份精简笔记

一万条初级保健呼吸病例：专家贝叶斯网络采出 16 个表格变量，GPT-4o 据此写出双版本临床笔记（正常版与精简版），再用 LLM 反抽 4.2 万个症状 span——把「表格背景知识能否补文本之不足」变成可复现的对照实验

专家定义的 16 节点贝叶斯网络采样出结构化表格（症状/诊断/基础疾病/非临床/治疗/结局），GPT-4o 依据症状与基础疾病生成临床笔记，再由 GPT-4o 抽取症状 span 并经文本匹配校正 37

医学问答与基准评测基准药物安全医疗NLP

RxQA

文本数据标注数据评测集无真实患者数据（题面为药师改写的合成病例情境）；600 题 = OpenFDA 300（美）+ BNF 300（英）；开源半区实测长题干（>400 字符）198 道

Google Health 药物知识问答基准——Gemini 1.5 Flash 起草、8 名 board-certified 执业药师修订与五档难度评级，600 道四选一 MCQ（OpenFDA 300 开源 + BNF 300），高难度题 AMIE 准确率反超 21 名初级保健医生，Nature 正刊发表

OpenFDA 结构化产品标签（美国药品说明书，SPL）+ BNF 英国国家处方集；Gemini 1.5 Flash 起草 → 闭卷过滤 → 每辖区抽 100 short + 200 long → 8 名 board-certified 执业药师（美英各 4）修订与五档难度评级 40

医学影像电子健康记录

脓毒症急诊胸部 CT — Sepsis-3 影像队列

836 次胸部 CT（NIfTI）337 例 Sepsis-3 住院14 张 CSV 表约 396 万行ExamReport 6,037 行中文检查报告PhysioNet + OMIX 双存储728 次就诊（含门诊）/ 337 例住院（103 女 + 234 男）/ 327 例住院有 CT

浙江省人民医院急诊 ICU 的 836 次脓毒症胸部 CT 与 14 张临床表格——把杭州 EHR 管线从纯表格延伸到影像的深表型续章

https://physionet.org/content/chest-ct-sepsis-er/1.0.0/ 44

医学影像CTX光影像挑战赛数据集评测基准

COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset — 六欧洲中心盆腔放疗 CBCT 原始投影数据集

原始数据影像数据867 例患者（训练 692 / 验证 52 / 测试 123；盆腔放疗；六欧洲中心；性别/年龄/癌种分布未公开）

867 例盆腔放疗 CBCT 原始投影+采集几何+形变配准 planning CT+模拟投影的双厂商（Elekta/Varian）多中心投影域数据集：训练集 692 例约 750 GB 已于 2026-07 开放，验证/测试集封存至 2032-03 保障 COBRA2026 挑战赛独立评测，CC BY-NC 4.0

六欧洲中心直线加速器机载 CBCT 实测原始投影（Elekta 与 Varian 双厂商）+ RTK 格式采集几何 + 厂商校准/校正文件（匿名化转开放格式）+ 临床重建 CBCT + 形变配准 planning CT + 模拟 CBCT 投影；大数据本体托管 CREATIS（里昂），Zenodo 承载 DOI 索引与论文 PDF、训练集 QC 概览图 27

医学影像CT视觉问答评测基准目标检测影像-文本对齐

CT-Bench — DeepLesion 病灶级图文重标注与七任务 CT 视觉问答基准

人工标注影像数据原始数据3,793 名患者 / 7,795 例 CT 检查 / 20,335 个病灶实例（训练 2,835 人 / 验证 342 人 / 测试 616 人）

20,335 个病灶 / 7,795 例 CT / 3,793 名患者的病灶级描述、尺寸与 BBox 资源，叠加 2,850 道四选一难负例 QA，NIH 团队 GPT-4 预标+专家终审流水线产出，Kaggle 公开 CC BY-NC-SA 4.0

DeepLesion 子集（33,688 张 bookmark 图 → 保留 20,335 病灶 / 7,795 检查 / 3,793 患者）的 8-bit 窗化 PNG 关键切片 + BBox 坐标 + PACS 派生病灶描述与标准化尺寸 + RadLex 本体属性表 + 2,850 道七任务四选一 QA（qa_llm.json / qa_clip.json）+ 患者级划分文件 + 复现脚本 30

医疗NLP临床文本电子健康记录重症监护医学问答与基准

MIMIC-Ext-SynNotes — 用 LLM 改写 MIMIC-III/IV 生成的十亿词级合成临床笔记语料

合成数据文本数据原始数据约 464 万条唯一笔记（~1.4B 词，来源 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 去重后）；患者级数量沿用上游 MIMIC 口径（MIMIC-III 约 4 万

五个开源权重 LLM（Llama/Mistral/Qwen/Gemma/Mixtral）把 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 的全部 464 万条真实笔记改写为 8 个合成语料、合计 137 亿词——粗粒度任务保住效用、细粒度细节丢失，分片改写挽细节却增幻觉，是全库最大的 LLM 合成临床文本样本

MIMIC-III Clinical Database v1.4 与 MIMIC-IV-Note v2.2 的全部临床笔记（去标识），经 Llama-3.1-8B-Instruct / Mistral-7B-Instruct-v0.3 / Qwen-2.5-7B-Instruct（笔记级+分片级）与 Gemma-2-9B-it / Mixtral-8x7B-Instruct-v0.1（仅分片级）改写为 8 个 UTF-8 CSV 合成语料，共 13.7B 词 50

医学影像乳腺影像医学图像分割图像分类乳腺癌评测基准

BUS-BRA — 巴西 INCA 1064 患者乳腺超声 CAD 评估集：病理+BI-RADS 2 — 5+分割掩膜三标注与官方标准化折

人工标注影像数据原始数据1,064 名女性患者（对应 1,875 张 B-mode 超声图；平均约 1.76 张/患者，含双侧与多切面）

BUS-BRA 乳腺超声数据集条目：1,064 患者 1,875 张 B-mode 图，同含活检病理（良/恶性）、资深超声医师 BI-RADS 2–5 分级与手工分割掩膜三类标注，附带官方 5 折/10 折交叉验证划分；CC BY-4.0 于 Zenodo 公开直链（BUSBRA.zip 133.9MB），Medical Physics 2024（DOI 10.1002/mp.16812）配套论文；并收录第三方审计发现——官方划分仅图像级互斥、非患者级，修正后分割/分类指标显著回落

Zenodo 记录 10.5281/zenodo.8231412（BUSBRA.zip，133.9 MB，md5 1f8b2be6476d58fc97bfb5e5a1ea9bab）——含 PNG 图像 + PNG 二值分割掩膜 + 逐图 CSV 元数据（BI-RADS / pathology / histology / 患者标识）；配套代码 github.com/wgomezf/BUS-BRA 82

电子健康记录医学问答与基准多模态X光影像

EHRXQA

影像数据时序数据派生数据一体化数据库 silver 800 患者（训练/验证，机器标注）+ gold 400 患者（测试，人工标注）；三上游共享患者 19,264；QA 对 46,152（train 36,174 / val

首个融合结构化电子健康记录与胸片图像的多模态问答基准——NeuralSQL 把视觉问答函数嵌进 SQL 执行流，417 个模板机器生成 46,152 道临床题，NeurIPS 2023 Datasets & Benchmarks 发表、PhysioNet v1.0.0 凭证获取

MIMIC-IV v2.2（17 张结构化表：患者/入院/诊断/药物/检验等）+ MIMIC-CXR-JPG v2.0.0（227,835 张胸片元数据）+ Chest ImaGenome v1.0.0（胸片区域-异常结构化注释）合成的一体化 mimic_iv_cxr 数据库（18 张表，含 tb_cxr 桥表）+ 模板驱动生成的 46,152 道 (Question, SQL/NeuralSQL, Answer) 三元组 34

基因组学与多组学单细胞基因组学转录组测序数据队列研究

Endometrial Immune Cell Atlas — 月经周期与慢性子宫内膜炎的 CD45+ 免疫细胞单细胞图谱

原始数据处理后数据临床元数据87 名供者（53 名健康对照 + 34 名慢性子宫内膜炎患者）；另有 229 例 IVF 不孕患者的多中心验证队列（非测序样本）

87 名女性、147,468 个 CD45+ 免疫细胞、8 个月经期相的 MARS-seq 图谱：原始测序数据经 GSA-Human 受控访问（HRA008952 / DAC HDAC004810）申请下载，处理后的 metacell 注释与表达矩阵随论文补充文件与 Source Data 提供

深圳中山妇产医院等五中心采集的人子宫内膜活检组织，CD45+ 免疫细胞 FACS 分选后 MARS-seq 单细胞转录组测序（147,468 个细胞，8 个月经期相），配套个体级临床元数据与 mIF/FACS 验证图像 41

生理信号心血管疾病儿科医学问答与基准评测基准语音信号

ZCHSound — 浙江大学 1259 名儿童先心病心音数据库：五分类智能听诊基准

原始数据人工标注1259 名儿童受试者（941 名高质量 clean 子集 + 318 名新生儿 noisy 子集；共 1259 条录音）

浙大儿院牵头三中心采集 1259 名 2 天至 14 岁儿童的单听诊点心音（PCG），含 941 名高质量与 318 名新生儿低质量双子集，五类 CHD 诊断标签由双专家共识确认，配套正常/ASD/PDA/PFO/VSD 五分类、四任务基准与 84 维时频特征，随机森林基线 F1 达 90.3%

浙江大学医学院附属儿童医院等三中心 2020-2022 年前瞻采集的单听诊点心音（ChildCare G-100 智能电子听诊器，仰卧位胸骨左缘第 2-3 肋间，8000 Hz / 16-bit / .wav），配双心脏专家共识确认的五分类 CHD 诊断标签 39

基因组学与多组学知识图谱单细胞基因组学多模态

HRA Knowledge Graph — 人体参考图谱 RDF 知识图谱：解剖-细胞-标志物主干

知识图谱本体与术语参考数据元数据人工标注HRApop v1.1 汇聚 175 位捐献者（男 92 / 女 83）的组织块与数据集；本体层本身不含患者个体，hra-pop-full 扩展层含 32,047 个供体实体（跨门户去重前口径）

NIH HuBMAP 主导、Indiana 大学 CNS 维护的 HRA 知识图谱：v2.2 发布 10,064,033 节点 / 171,250,177 边 / 125.84 GB，13 类数字对象经 Uberon 与细胞本体对齐；v2.5 起每年 6-15 与 12-15 双发，CC BY 4.0 全开放，SPARQL 与 Zenodo 双入口

HuBMAP、SenNet、KPMP、GUDMAP/RBK、HCA、CZ CELLxGENE、GTEx、HTAN、GEO 等门户的已注册实验数据 + 专家人工编纂的 ASCT+B 表、OMAP 抗体面板、2D FTU 插图与 71 个 3D 参考器官 37

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。