即取即用的 AI-Ready 医疗数据集库

MIMIC-III 出院小结衍生的临床自然语言推理基准——14,049 个 premise-hypothesis 句对三分类标注（entailment/contradiction/neutral），UMass Lowell × IBM Research 联合出品，EMNLP 2018 发表，PhysioNet 凭证制开放

MIMIC-III NOTEEVENTS 表出院小结（discharge summary）的 Past Medical History 节句子（LingPipe 句子切分）× 人工撰写 hypothesis × entailment/contradiction/neutral 三分类标签，另含 Stanford parser 句法树字段，按 mli_train/dev/test_v1.jsonl 三文件发放 63

医学影像病理图像医学图像分割评测基准挑战赛数据集肿瘤学

WSSS4LUAD

人工标注影像数据原始数据87 张 WSI（67 张 GDPH 院内扫描 + 20 张 TCGA；每患者仅取 1 张，患者级总数未单列）

广东省人民医院主办的肺腺癌 H&E 病理全切片弱监督语义分割挑战赛数据集——87 张 WSI 切出 10,211 个 patch，仅凭图像级三类多标签训练出像素级三组织分割，1 专家+2 资深+8 初级病理医师的 AI 辅助标注流水线，冠军方案 mIoU 0.8413

H&E 染色肺腺癌全切片图像（67 GDPH 扫描 + 20 TCGA 开放切片）切成的 10,211 个 PNG patch：训练 10,091 个（图像级三类多标签）+ 验证 40 个 + 测试 80 个（两者像素级掩膜，合计 >1.3 亿标注像素）+ 官方背景排除掩膜 61

医学影像医疗NLP多模态X光影像

RadVLM Instruction Dataset — 胸片指令微调数据集

指令数据人工标注派生数据对话数据719,675 image-instruction instances（PhysioNet 实发；论文口径 1,115,021）/ 图像源自 MIMIC-CXR 等四库约 60 万+ 次检查

111 万指令对的胸片助手课：把五个任务塞进一种 LLaVA 格式的统一训练菜谱

MIMIC-CXR-JPG v2.1.0 + Chest Imagenome v1.0.0 + MS-CXR v1.1.0 + VinDr-CXR v1.0.0 四源派生；GPT-4o（Azure 安全实例）做报告过滤与对话生成；CheXbert 标签；weighted box fusion 融合标注 60

医疗NLP临床文本

MIMIC-IV-Ext-PE — 肺栓塞 CTPA 报告标签集

结构化标签临床文本人工标注19,942 份 CTPA 报告 / 15,875 名患者（MIMIC-IV v3.1 派生，双人共识五类标签）

2 万份 CTPA 报告的双人共识金标准：血液科医生亲手给 MIMIC-IV 装上 PE 开关

MIMIC-IV v3.1 影像报告经五步 RegEx 识别+双人医生共识标注（VTE-BERT 与 ICD 编码双自动基准对照） 63

医疗NLP电子健康记录

MIMIC-III 表型标注集 — 出院小结表型标签

1,102 出院小结1,000 护理进展记录13 高上下文表型双人 Cohen's KappaMIMIC-III NOTEEVENTS ROW_ID 锚定1,102 出院小结 + 1,000 护理进展记录 = 2,102 篇标注笔记（患者总数官方未公布）

Phenotype Annotations：2,102 篇临床笔记 × 13 高上下文表型 × 双人金标准标注——临床 NLP 表型识别的最小可信金标准

https://physionet.org/content/phenotype-annotations-mimic/ 51

生理信号电子健康记录

MIMIC-III Waveform Matched Subset — 波形临床对齐子集

22,317 波形记录22,247 数值记录10,282 ICU 患者匹配率 34%35%代理日期10,282 名不同 ICU 患者（官方口径 distinct ICU patients；代理 ID + 代理日期去标识）

22,317 波形记录 × 10,282 名 ICU 患者：波形与临床数据的官方匹配桥——匹配方法学、代理日期规则与多模态融合底座

https://physionet.org/content/mimic3wdb-matched/ 46

生理信号电子健康记录

MIMIC-III Waveform Database — 重症监护波形数据库

67,830 记录组30,000 ICU 患者300 万小时6.7 TB125 Hz 波形约 30,000 ICU 患者（成人+新生儿；去标识波形，Matched 子集用代理日期）

67,830 组监护波形记录 · 30,000 ICU 患者 · 300 万小时 · 6.7 TB：全球最大公开 ICU 床旁波形档案与 AI-Ready 信号底座

https://physionet.org/content/mimic3wdb/ 50

药物发现与化学化学信息学知识图谱微生物组评测基准

MDAD

5,055 条验证关联1,388 种药物180 种微生物824 株菌株993 篇文献来源GitHub 直链下载不涉及患者（非临床影像/病历数据集；为文献策展的微生物-药物关联对，1,388 药物 × 180 微生物物种层面的关联对集合）

微生物-药物关联数据库：5,055 条临床/实验验证的微生物-药物关联（1,388 药物 × 180 微物），深圳大学与中国矿业大学 2018 年构建，引用超百次的微生物组药物学基准，官网已失效、数据仅存 GitHub 单点

TTD 与 DrugBank 等药物数据库 + 993 篇文献的临床/实验验证关联挖掘（1970s 起），逐条附 PubMed ID、药物分子式或 DrugBank 链接、微生物菌株与 Uniprot 靶点注释 48

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。

即取即用的 AI-Ready 医疗数据集库

按工程化层级：

数据标签

千方医数集 · 商业级 AI-Ready 数据集

乳腺阳性影像数据集

TCT 宫颈细胞学数据集

需要更多专病队列？

医学影像 AI-Ready 数据集

电子病历与文本数据集

病灶分割与标注数据集

按任务类型浏览

autoPET V — 交互式 PET 病灶分割挑战

MIMIC-III — 重症监护医疗数据库

MIMIC-IV — 重症监护医疗数据库

Health Gym — 低血压与脓毒症合成 ICU 数据

MedNLI