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 774 个数据集

医疗NLP知识图谱临床文本命名实体识别

UMLS — 统一医学语言系统

344 万概念1370 万名称199 源词表集成125 语义类型 + 54 关系半年发布 · UMLS License 免费签署术语集成体系本身不含患者数据；服务于全球 EHR 与文献系统的概念归一

344 万概念、1370 万名称、199 源词表的跨词表集成枢纽与 NLP 基础设施

https://www.nlm.nih.gov/research/umls/ 67

医疗NLP临床文本公共卫生与流行病学真实世界数据评测基准

ClinicalTrials.gov — 临床试验注册与结果数据库

601,897 项注册研究80,028 项已发布结果API v2 + AACT PostgreSQL 40+ 表226 国家与地区 · 每日刷新注册记录覆盖受试者规模不一（单项研究 1 人至 30 万人），全库累计入组受试者逾 6 千万人次

60 万+ 项注册研究的全球最大临床试验注册库，AACT 40+ 表结构化镜像与 API v2 全量获取

https://clinicaltrials.gov/ ；AACT：https://aact.ctti-clinicaltrials.org/ 102

医学影像公共卫生与流行病学病理图像

NIH Malaria — 疟疾血涂片细胞图像

["27,558 张细胞图像""200 例患者""337 MB""PNG 单细胞裁剪""免费开放获取"]200 例患者（150 例恶性疟感染 + 50 例未感染）

2.7 万张薄血涂片单细胞图像 · 200 例患者 · 疟疾自动诊断奠基基准

name: "U.S. National Library of Medicine, Lister Hill National Center for Biomedical Communications (LHNCBC)" url: "https://lhncbc.nlm.nih.gov/LHC-research/LHC-projects/image-processing/malaria-datasheet.html" 60

医学影像医学图像分割手术视频挑战赛数据集骨骼肌肉影像

PENGWIN — 骨盆骨折碎片分割挑战数据集

150 例骨盆 CT50,000 张合成 X-ray8.08 GB MHA 压缩包CC BY-NC-SA 4.0 开放下载逐碎片实例标注150 名骨盆复位手术患者

150 例多中心骨盆 CT 骨折碎片实例分割与 50,000 张合成 X-ray

PENGWIN 挑战赛组织方（北京航空航天大学、北京积水潭医院等） url: https://pengwin.grand-challenge.org 87

生理信号医学影像病理图像语音信号

SVD 萨尔布吕肯嗓音库 — 病理性嗓音声学+EGG

2,225 名说话人71 类发声障碍38.1 GB 音频档案50 kHz 16-bit 双通道CC BY 4.0 开放下载约 2,225 名说话人（1,356 名发声障碍患者 + 869 名健康对照）

2,225 名说话人、71 类发声障碍的声学与电声门图双模态病理性嗓音语料库

前萨尔大学语音学研究所（现由德国埃森大学医院托管） url: https://stimmdb.coli.uni-saarland.de/ 86

医疗NLP药物发现与化学化学信息学生物医学文献

CHEMDNER — 化学实体识别与药物发现文本挖掘

10,000 篇 PubMed 摘要84,355 个化学实体提及19,805 个唯一化学实体约 14 MB 英文文本开放获取不适用（公开文献摘要语料，无患者数据）

10,000 篇摘要、84,355 个化学实体标注的化学 NER 基准

BioCreative（CNIO 结构计算生物学组等） url: http://www.biocreative.org/resources/biocreative-iv/chemdner-corpus/ 65

基因组学与多组学药物发现与化学知识图谱

DisGeNET — 基因-疾病关联综合数据库

["约 113.5 万条 GDA（v7.0）""30,170 种疾病与性状""21,671 个基因""36.9 万条 VDA""TSVRDFAPI 格式"]无患者级数据；v7.0 覆盖 21,671 基因 / 30,170 疾病 / 194,515 变体

113 万+基因-疾病关联，覆盖 21,671 个基因与 30,170 种疾病

name: "GRIB-IMIM/UPF（Barcelona）；2020 年起 MedBioinformatics Solutions SL" url: "https://www.disgenet.com/" 140

医疗NLP医学问答与基准命名实体识别评测基准

BC2GM — 基因/蛋白提及识别语料

20,000 句 MEDLINE 句子24,596 个基因提及标注OB-GENEI-GENE 序列标签CoNLL TSV 与 parquet 格式开放下载不适用（文献文本语料，不含患者数据）

20,000 句 MEDLINE 句子、24,596 个标注实体的基因提及基准

BioCreative II 组织者（NCBI 等） url: https://biocreative.bioinformatics.udel.edu/resources/corpora/biocreative-ii-corpus/ 61

医疗NLP命名实体识别生物医学文献

NCBI Disease Corpus — 疾病实体标注金标准

793 篇 PubMed 摘要6,892 个疾病提及790 个唯一疾病概念PubTator 纯文本格式公开领域免费下载不适用——文献摘要语料，不含患者级数据

793 篇 PubMed 摘要 · 6,892 个疾病提及 · 医疗 NER 与概念归一化的奠基级金标准

National Center for Biotechnology Information (NCBI), National Library of Medicine, NIH url: https://www.ncbi.nlm.nih.gov/CBBresearch/Dogan/DISEASE/ 56

公共卫生与流行病学电子健康记录真实世界数据药物安全

openFDA — 美国食品药品监管开放数据中枢

5,500 万+ 条监管记录25+ 个开放端点CC0 公有领域许可JSON API 与压缩包下载季度提取与持续更新2,000 万+ 份药品不良事件报告（FAERS，截至 2026-09）

美国 FDA 全品类监管数据统一 API：5,500 万+ 条记录、25+ 端点、CC0 开放

美国食品药品监督管理局（U.S. Food and Drug Administration） url: https://open.fda.gov/ 83

生理信号语音信号心血管疾病

PhysioNet/CinC Challenge 2016 心音数据集 — 听诊音正常/异常分类基准

3,240 条训练录音764 人隐藏测试 1,277 条308 人2,000 Hz .wav 单导联解压约 1.1 GBODC-By 开放下载训练集 764 名受试者（隐藏测试集另有 308 名）

公开最大心音（PCG）分类基准 · 3,240 条录音 / 764 人 · 2,000 Hz .wav

PhysioNet（MIT Laboratory for Computational Physiology 等） url: https://physionet.org/content/challenge-2016/1.0.0/ 94

基因组学与多组学医疗NLP测序数据知识图谱肿瘤学药物安全

PharmGKB — 药物基因组学知识库

1,761 个基因715 种药物24,535 条变异注释约 20 MB TSVJSON 下载CC BY-SA 4.0 开放REST API 免认证非队列数据集（文献知识库：1,761 个基因、715 种药物条目，截至 2021-04）

全球最大的药物基因组学文献知识库：1,761 个基因、715 种药物、24,535 条变异注释的精准用药 AI 基础数据

Stanford University — Department of Biomedical Data Science（NIH 资助） url: https://www.pharmgkb.org/ 87

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。