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 786 个数据集

医疗NLP医学问答评测基准临床文本

cMedQA v2.0 — 中文社区医疗问答匹配数据集

原始数据文本数据108,000 个问题 / 203,569 条回答（Train 100,000/188,490、Dev 4,000/7,527、Test 4,000/7,552）；提问者与回答者均匿名化，无个人信息

国防科技大学团队从寻医问药网采集的中文医疗问答答案选择基准——v1.0 字符级多尺度 CNN（Appl. Sci. 2017）到 v2.0 多尺度注意力交互网络 MPAN（IEEE Access 2018），108,000 问配 203,569 答、候选池机制产生任务标签，2017-2020 年中文医疗问答匹配事实标准评测集，reranker 时代仍在活跃服役

寻医问药网（xywy.com）在线健康社区真实问答：用户提问 + 认证医生回答，匿名化后发布；questions.csv 与 answers.csv 全量文本，外加 train/dev/test_candidates.txt 三个划分文件；GitHub zhangsheng93/cMedQA2 公开 57

医疗NLP医学问答与基准医学问答评测基准知识图谱

Huatuo-26M — 2600 万级中文医疗问答数据集

网络采集文本数据人工标注不适用（QA 文本对，无患者级影像/生理数据；问诊记录患者匿名、医生姓名/医院/科室留痕）

CUHKSZ FreedomIntelligence 团队发布、截至发布时全球最大的中文医疗问答数据集：26,504,088 条 QA 对来自在线问诊记录、医学百科与知识图谱三源，检索/生成双基准，四大应用（LLM 微调、RAG、零样本迁移、持续预训练），Apache 2.0 公开并衍生 Huatuo-Lite 精修子集

三源整合：在线问诊记录 25,341,578 对（Qianwen Health 千问健康 51zyzy.com 原始抓取 31,677,604 对，正则清洗+哈希去重）+ 中文维基百科医学百科 8,699 疾病/2,736 药品条目与 226,432 篇文章模板转换 364,066 对 + 三大医学知识图谱（CPubMed-KG/39Health-KG/Xywy-KG）43 类模板生成 798,444 对 46

医学影像皮肤影像图像分类评测基准皮肤癌儿科

PASSION — 撒哈拉以南非洲儿童色素性皮肤病临床影像数据集

人工标注影像数据原始数据1,653 例患者 / 4,901 张图像（马达加斯加 985/2,185；几内亚 384/480；马拉维 261/2,150；坦桑尼亚 23/86）

首个聚焦撒哈拉以南非洲儿童色素性皮肤的公开临床影像数据集：四国 1,653 患者 4,901 张手机照片，Fitzpatrick IV-VI 光型，4 类皮肤病+脓疱化二分类，MICCAI 2024 论文，PASSION data public license 请求制获取

四国临床现场手机拍摄的皮肤病变彩色照片（模拟远程皮肤病学 teledermatology 场景，非皮肤镜）+ 逐例元数据（年龄/性别/身体部位/Fitzpatrick 光型）+ ICD-10 与 ICD-11 诊断编码 + 脓疱化二值标注；采集期 2020-2023，患者级 80/20 分层开发-测试划分 43

CT医学图像分割肿瘤学医学影像

CT-ORG — 140 例多器官 CT 分割数据集 · 斯坦福 Scientific Data 论文

人工标注影像数据原始数据140 例 CT（每位患者 1 例，140 唯一患者；119 训练 + 21 测试；131 dedicated CT + 9 PET-CT 的 CT 分量）

CT-ORG 多器官 CT 分割数据集：140 例全身/腹部 CT 的 6 类器官体素级标注，斯坦福团队以无监督形态学 + 弱监督训练构建，派生自 LiTS 并扩展至肺/骨/肾/膀胱/脑，CC BY 3.0 于 TCIA 公开

TCIA CT-ORG collection（140 volume + 140 label 配对，NIfTI-1 格式，16.9 GB）；论文 Rister et al., Scientific Data 2020;7:381；数据 DOI 10.7937/tcia.2019.tt7f4v7o 40

内窥镜影像医学图像分割图像分类目标检测

WCEbleedGen — 无线胶囊内镜出血/非出血帧数据集与三任务基准

影像数据人工标注2,618 帧（出血 1,309 + 非出血 1,309；患者级数量未披露）

2,618 帧无线胶囊内镜出血/非出血帧的三任务一体数据集——同时提供类标签、YOLO 边界框与像素级二值掩码，由胃肠病专家逐帧验证，Zenodo 双版本全开放下载并附 16 模型基准

汇总自 5 个公开出血/非出血内镜来源（Farah Deeba 50、KID 5、Kvasir-Capsule 443+10、自采 YouTube 292+181、Gastrolab 357+548、Red Lesion Set-1 500、Set-2 80）并统一重采样至 224×224，配胃肠病专家逐帧验证的类标签+边界框+像素级掩码 32

医学影像MRI脑影像医学图像分割图像分类脑肿瘤

BRISC — 脑肿瘤 T1 MRI 分割与分类专家标注基准

人工标注影像数据原始数据6,000 张 T1 加权 MRI 切片（5,000 训练 / 1,000 测试）；因原始集无患者元数据，切片级患者独立性无法保证，患者数未披露

6,000 张对比增强 T1 脑 MRI 的四类（胶质瘤/脑膜瘤/垂体瘤/无肿瘤）像素级专家掩码数据集——由公开分类集经放射医师与医师逐图复核重建，配套 Swin-HAFNet 多任务基线（加权 mIoU 82.4%、分类准确率 99.63%），CC BY 4.0 公开

Kaggle「Brain Tumor MRI Dataset」（Nickparvar 2021，原始 7,023 张，合并 Figshare/SARTAJ/Br35H）——经 T1 筛选、标签纠错、去重、标准化后为 6,000 张，叠加放射医师与医师用 AnyLabeling 逐图复核的像素级二值分割掩码；四类 glicoma/meningioma/pituitary/no_tumor 45

医学影像皮肤影像图像分类医学问答与基准评测基准

DermaCon-IN — 首个南亚肤色多概念标注皮肤病数据集

人工标注影像数据原始数据5,450 张临床照片，来自 3,002 位南印度门诊患者（NeurIPS proceedings 版作 2,993 人，双口径存照）

IIT 海得拉巴牵头、南印度三家三级医院前瞻采集 5,450 张门诊临床照片（3,002 患者 / 245 诊断），每图带病灶描述符+解剖部位+双肤色量表三重稠密标注，按 Rook 分类学三层分层并开源 CC BY-NC-SA 4.0——首个以印度肤型为中心、同时覆盖解剖与形态概念的皮肤病数据集

南印度北卡纳塔克三家三级医院及附属区域诊所门诊前瞻采集的高分辨率临床照片（108MP Android/48MP iPhone Pro/12–36MP 相机，非皮肤镜），附 47 病灶描述符+49 解剖部位+8 大类/19 亚类/245 疾病标签+Fitzpatrick 与 Monk 双肤色评分；Harvard Dataverse doi:10.7910/DVN/W7OUZM 发布 50

医疗NLP生物医学文献评测基准

BIOSSES — 生物医学句子相似度人工标注基准

人工标注文本数据评测数据不适用（句子级文本基准，无患者个体数据；语料源自已发表生物医学文献）

Boğaziçi 大学 2017 年发布的 100 句对生物医学语义文本相似度（STS）基准：5 位专家 0–4 分级取均值为金标准，首开生物医学句级相似度手工评测先河；论文同批提出字符串/本体/段落向量/监督回归四类方法，监督模型达 0.836 Pearson 相关，人类上界 0.902

选自 TAC 2014 Biomedical Summarization Track 训练集（20 篇 reference articles，每篇 12–20 篇 citing articles）的引用句，由 5 位人类专家标注 0–4 相似度后取均值为金标准；字段为 sentence1/sentence2/score 33

电子健康记录队列研究真实世界数据评测基准流行病学

Chronic Kidney Disease (UCI)

原始数据临床检验含缺失值二分类标签400 例患者（ckd 250 / notckd 150，归一后口径；原样含 2 例 ckd\t 脏标签；年龄 2-90 岁，均值 51.48±17.17）

UCI 机器学习仓库 ID 336——印度泰米尔纳德邦 Apollo Hospitals 2015 年捐赠的 400 例肾内科检验表格数据集，24 项临床指标+ckd/notckd 二分类标签，缺失率 10.12%、零缺失完整行仅 39.5%，机器学习教科书级小数据与 99%+ 准确率通胀现象的活标本

Apollo Hospitals（印度泰米尔纳德邦）肾内科患者 24 项临床检验/体格检查指标（人口学、尿液检查、血生化、血液学、合并症五组）+ 临床诊断二分类标签 class（ckd/notckd）；官方唯一机读格式 data.csv（45,092 字节，401 行×25 列） 57

医学影像病理图像图像分类评测基准

Acevedo 外周血细胞数据集

影像数据人工标注原始数据17,092 张单细胞图像（8 组正常血象；供血者精确人数未披露，2015–2019 采集）

Acevedo dataset：Hospital Clinic de Barcelona 与加泰罗尼亚理工 UPC 2015–2019 采集的 17,092 张正常外周血单细胞显微图像——Advia 2120 → Sysmex SP1000i 染色 → CellaVision DM96 采图流水线，专家标注 8 组 10 类型，官方 CNN 基准最佳 96.2%、第三方微调最高 99.32%，CC BY 4.0 于 Mendeley Data 公开

Hospital Clinic de Barcelona 健康供血者外周血涂片（Advia 2120 全血计数 → Sysmex SP1000i 自动 May-Grünwald-Giemsa 染色 → CellaVision DM96 数字细胞成像），裁剪单细胞 360×363 px JPG RGB，专家标注 8 组（中性粒/嗜酸/嗜碱/淋巴/单核/未成熟粒/幼红/血小板），Mendeley Data snkd93bnjr V1 35