即取即用的 AI-Ready 医疗数据集库

NIST 第三十届 TREC 临床试验赛道评测三件套：ClinicalTrials.gov 2021-04-27 快照 375,580 份试验注册语料 + 75 份合成患者入院简况 + 35,832 条 OHSU 医师三级相关性判定，patient-to-trial matching 任务元年基准，nDCG@5/@10 主指标，ir_datasets clinicaltrials/2021 一键加载

ClinicalTrials.gov 2021-04-27 注册库快照（375,580 份试验 XML，5 个 zip 分卷）+ topics2021.xml（75 份合成患者简况）+ qrels2021.txt（35,832 条三级判定）+ 113 个参赛 run 官方评估结果 43

电子健康记录生理信号心电信号重症监护时序数据临床电子病历

MOVER — 首个公开手术室高保真波形与电子病历配对仓库

原始数据时序数据临床数据58,799 唯一患者 / 83,468 台手术（SIS 数据集 19,114 患者；EPIC 数据集 39,685 患者 / 64,354 手术）

UC Irvine 医学中心 2015-2022 年 58,799 患者 / 83,468 台手术的围术期医学信息学仓库——手术室内 ECG、脉搏血氧（PPG）与动脉压三通道高保真波形与 EHR 事件配对，SIS+EPIC 双系统覆盖，签 DUA 免费开放，是麻醉与术中决策支持 AI 迄今唯一的公开波形级数据基座

UC Irvine 医学中心手术室围术期数据（2015-2022）：手术室内高保真生理波形（ECG/脉搏血氧 PPG/动脉压）经 Bernoulli Health 平台实时抓取 + EHR 配对（SIS 系统 2015-2017 九表 / EPIC 系统 2017-2022 十表），HIPAA 合规去标识 183

生理信号心电信号重症监护时序数据儿科

Preterm Infant Cardio-Respiratory Signals Database — 10 例早产儿 NICU 同步心电与呼吸波形库

原始数据时序数据10 例早产儿（孕后年龄 29 3/7 - 34 2/7 周，均值 31 1/7 周；研究体重 843 - 2100 克，均值 1468 克）

PhysioNet 早产儿心肺信号（PICS）数据集：10 例 NICU 早产儿 20-70 小时同步 ECG 与呼吸记录，含 R 波、呼吸峰与心动过缓起始三类标注，ODC-By-1.0 完全开放，配套点过程心率分析论文以 AUC 0.79 提前 116 秒预测心动过缓

PhysioNet PICS 数据库 v1.0.0（physionet.org/content/picsdb/）：10 例早产儿 20-70 小时同步单导联 ECG（500 Hz；infant 1/5 为 250 Hz 复合信号）与呼吸电感带信号（50 Hz；infant 1 为 500 Hz），WFDB 格式，含 qrsc/resp/atr 三类标注 48

医学影像CT医学图像分割评测基准

CTooth — 首个全标注 3D 牙科 CBCT 牙齿分割数据集与基准

人工标注专家验证影像数据原始数据22 个 CBCT 体数据（volumes），共 7363 张切片（5504 张全标注；GitHub 口径 5803 张切片/4243 张含牙齿标注）；患者信息编码脱敏，患者级数量未单独披露

CTooth: Fully Annotated 3D Dataset and Benchmark for Tooth Volume Segmentation on CBCT——杭州电子科技大学与伦敦玛丽女王大学等团队打造的首个公开全标注 3D 牙科 CBCT 数据集：22 个锥形束 CT 体数据、7363 张切片、5504 张专家逐体素标注，SKNet 3D U-Net 基准达 Dice 88.04%，请求制发放并衍生 CTooth+ 与 MICCAI 2023 STS-3D 挑战赛

电子科技大学及其附属医院采集的牙科锥形束 CT（CBCT）体数据：22 个 volumes（7363 slices）、4 位放射影像专家 ITK-SNAP 逐体素二值牙齿标注（gold standard），涵盖缺牙/修复体/种植体/正畸器械等变异；扩展版 CTooth+ 追加 146 个未标注 volume（25876 未标注片） 80

医疗NLP临床文本电子健康记录命名实体识别评测基准临床电子病历

Deidentified Medical Text — 2,434 份护理笔记的 HIPAA 去标识金标准语料库

文本数据人工标注原始数据163 名患者（MIMIC-II 随机抽取）

临床 NLP 去标识领域最早的公开金标准评测语料：2,434 份 MIMIC-II 护理笔记经三名以上临床专家独立多轮复核 + 自动算法补漏 + 第四名专家裁决，1,779 处 PHI 被真实感替代数据重标识——附带 GPL 开源的 deid 软件，奠定「用金标准量化 PHI 检测 recall/precision」评测范式，2007 年 PhysioNet 发布、Credentialed Access 门禁

MIMIC-II（Multi-Parameter Intelligent Monitoring in Intensive Care II）数据库随机抽取的 2,434 份护理进展笔记（nursing progress notes），经多轮去标识并以真实感替代数据重标识；关联 GPL 开源 deid 去标识软件包（含 id.text / id.res / 词典 / PHI 位置文件） 41

医疗NLP临床文本医学问答评测基准知识图谱

QiZhenGPT — 启真医学中文医疗指令微调数据集

真实对话模板生成文本数据约 1,038K 条指令样本（560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板；另有 740K 训练用量口径待核）；公开可下载仅 sft-20k.json 抽样（20,000 条

浙江大学计算机创新技术研究院可计算医学知识研究组（CMKRG）2023 年开源的中文医疗大语言模型配套指令数据集——560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板共约 1038K 条样本，衍生 QiZhen-LLaMA / QiZhen-Alpaca / QiZhen-CaMA 三模型家族，GPL-3.0 开源，94 种药品知识评测显著超越同代 ChatGPT

启真医学知识库（浙大计算机创新技术研究院）三源构成：真实医患对话/在线问诊记录清洗 560K + 药品说明书结构化字段模板化 180K + 疾病知识条目模板化 298K；完整数据无公开直链，仅 sft-20k.json 抽样经 ModelScope 公开 52

医学影像MRI医学图像分割挑战赛数据集评测基准肿瘤学

TrackRAD2025

人工标注影像数据原始数据585 名患者（477 未标注 + 108 逐帧手工标注）；280 万+ 未标注 cine-MRI 帧；1 万+ 标注帧（另约 8000 帧多观察者标注）；公开数据约 206 GiB（未标注 ~200

MICCAI 2025 挑战赛的首个公开多机构 MRI-linac cine-MRI 实时肿瘤追踪数据集——6 国中心 585 名患者 280 万+ 帧矢状位 2D cine-MRI，477 例未标注支撑预训练、108 例逐帧标注支撑追踪评测，冠军方案 MedSAM2 半监督微调 Dice 0.8909

6 个国际中心（3 荷兰、1 德国、1 澳大利亚、1 中国四川）在 0.35T ViewRay MRIdian 与 1.5T Elekta Unity MRI-linac 放疗疗程中采集的矢状位 2D cine-MRI 序列（.mha 格式，1-8 Hz）+ 逐例 JSON 元数据（场强/帧率/扫描区域）+ 首帧模板肿瘤分割与逐帧标注掩码 44

医学影像X光影像图像分类挑战赛数据集评测基准肺癌

CXR-LT 2024

人工标注影像数据原始数据377,110 张 CXR（图像级计数，三源互证；患者级计数未在 CXR-LT 文档单列，随 MIMIC-CXR-JPG 本体口径）

MIMIC-CXR-JPG 全量 377,110 张胸片的两轮长尾重标注（14→26→45 类）：ICCV 2023 CVAMD 与 MICCAI 2024 两届挑战赛、zero-shot 5 未见类赛道、mAP 主指标、96 队申请 61 队获批、PhysioNet credentialed 1.5.0

MIMIC-CXR-JPG v2.0.0 全量 377,110 张胸片（图像本体不在本包）+ 规则法报告解析标签（45 类含 Normal；45=14 原始+12+19 rare 两轮扩展）+ 406 张 6 人共识 gold standard 子集 + 三任务 train/development/test 划分 CSV 48

医学影像医学图像分割挑战赛数据集评测基准脑影像

MITOEM

人工标注影像数据原始数据2 个 volume（MitoEM-H 成人脑皮层 + MitoEM-R 成年大鼠脑皮层；供体级数量与人口学信息未在一级来源披露）；测试半卷 GT 私有

ISBI 2021 大规模三维线粒体实例分割挑战赛数据集：人+大鼠皮层 EM 两卷各 1,000×4,096×4,096 体素（8×8×30 nm）、约 4 万实例真值、AP-75→accuracy 双轨评测、IIPPR 夺冠、挑战至今开放提交

两卷连续切片电子显微镜（EM）三维图像栈：每卷 1,000×4,096×4,096 voxels、8×8×30 nm（物理 32.8×32.8×30 µm），人/大鼠脑皮层各一；线粒体实例真值：每卷前 500 slices（train 400 + val 100），v1 H 24.5K/R 14.4K、v2 H 19K/R 10.8K 实例，实例≥2,000 voxels；后 500 slices 私有测试 32

生理信号心电信号可穿戴传感评测基准心血管疾病

Icentia11K

约 541,794 段 × 70 分钟单导联 ECG11,000 名患者 27.4 亿标注心搏250 Hz × 16-bit 原始波形11,000 名居家患者（编号 0-10999；Ontario, Canada 为主；平均年龄 62.2±17.4；2017-2018 采集）

Mila 与 Icentia 联合发布的大规模连续单导联 ECG 数据集——11,000 名居家患者佩戴 CardioSTAT 最长两周、541,794 段 250 Hz 原始波形、27.4 亿逐拍人工标注心搏与 1,724 万段心律标注，20 名技术员全披露分析加资深终审，是库内唯一万级患者周级长时程的居家 ECG 基准

Icentia CardioSTAT 单导联贴片（modified lead 1）居家佩戴采集的连续原始 ECG：250 Hz、16-bit、最长 2 周（多数 1 周）；每患者随机抽 50 段公开，每段 1,048,577 样本（约 70 分钟）；附逐拍 .qrs 心搏标注（N/S/V/Q 四类）与连续心律 .rhythm 标注（NSR/AFIB/AFL 三类） 46

生理信号心电信号重症监护评测基准心血管疾病

MIMIC-III-Ext-PPG — 重症监护光电容积脉搏波心律基准

信号数据原始数据临床数据6,189 名 ICU 危重患者（v1.1.0；v1.0.0 为 6,131 名）

从 MIMIC-III 波形库抽取 630 万条 30 秒 PPG 分段——6119 名 ICU 患者、125 Hz、27 类心律标签加 SQI 质量码，当前最大公开心律分类资源，认证后经 DUA 获取

MIMIC-III Waveform Database Matched Subset（PPG/ECG/ABP/RESP，125 Hz，Beth Israel Deaconess Medical Center + MIT 采集）；再加工为 630 万条 30 秒分段 + metadata.csv + SQI 质量码 45

医学影像MRI医学图像分割挑战赛数据集心血管疾病评测基准

LAScarQS 2022 — 左心房与瘢痕定量分割挑战赛

影像数据专家标注原始数据194 例 3D LGE MRI（官网一口径；文献另有 200/200+ 口径）；训练集 LA 130 例 / scar 60 例（二手来源划分）

MICCAI 2022 首届左心房 LA 与左心房瘢痕联合分割挑战赛——194 例多中心多厂商 LGE MRI（Utah/BIDMC/KCL 三家），两项赛道（LA+scar 联合分割、多中心 LA 分割），scar 中位仅 3.18 cm³ 构成极端类别不平衡，官方已停更并演化为 CARE-Left Atrium

三家中心多厂商 3D LGE MRI：University of Utah（Siemens 1.5T/3T，0.625×0.625×2.5 mm）、Beth Israel Deaconess Medical Center（Philips Achieva 1.5T，1.4×1.4×1.4 mm）、King's College London（Philips Achieva 1.5T，1.3×1.3×4.0 mm）；含 LA 血池与瘢痕金标准掩码（NIfTI） 52

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

TREC 2021 Clinical Trials Track — 患者简况到 37.6 万临床试验的匹配评测基准