即取即用的 AI-Ready 医疗数据集库

首个公开电子病历（EHR）实体检索基准：基于 MIMIC-III 1,000 份出院小结切成 16,550 个语块，从 ICD-9 与 NDC 处方标签转写 1,246 条疾病/操作/药物查询，GPT-4o 逐语块标注 77,206 条相关性判定（与专家 Kappa 0.985），并首创字符串/同义词/缩写/下位词/隐含五类语义匹配评估体系

MIMIC-III 公开出院小结（1,000 hadm_id，PhysioNet 请求制）+ MIMIC ICD-9 疾病/操作编码与 NDC 处方标签转写查询 + GPT-4o 逐语块相关性判定（五类匹配标签）+ BEIR 式语料/查询/qrels 三件套 19

医学问答与基准医学问答评测基准多模态视觉问答罕见病

LiveClin — 无泄漏活临床多模态评测基准

clinical-case-reportsmultiple-choice-questionsmultimodal-qamedical-imagesmedical-tables0（非患者队列数据集：病例来源于已发表文献的二次改写，原文已脱敏，本基准不含可识别个体与随访原始记录）

半年一换血的活临床基准：1,407 例 PMC 病例、6,605 道十选一顺序 MCQ、3,757 张图与 634 张表，26 个模型最高仅 35.7%，ICLR 2026

LiveClin 官方三件套：arXiv 论文 2602.16747、HuggingFace 数据集 AQ-MedAI/LiveClin、GitHub 评测代码 AQ-MedAI/LiveClin url: https://huggingface.co/datasets/AQ-MedAI/LiveClin 30

医学问答与基准医学问答评测基准医疗NLP药物安全电子健康记录

BedsideBench — 500 例床旁临床问答评测基准

人工标注文本数据合成数据0 名真实患者（案例为合成或去标识化构造，不含 PHI）；共 500 例合成临床情境，公开 250 例

Doximity 出品的 10 面板×50 例临床问答基准：8 面板用签名加权 points rubric、2 面板用严重度加权 F1 管理计划评分；公开 250 例 + 私有 250 例，CC BY-NC-SA 4.0，附完整 judge 协议与 runner

Doximity 内部医师撰写并裁定的临床问答题库随机子采样：10 面板×50 例，含 prompt + 签名加权 rubric items + manifest + JSON Schema + judge 协议 33

公共卫生与流行病学流行病学多模态影像

Nutrition5k — 食物营养成分视觉理解基准数据集

影像数据原始数据人工标注5,006 盘真实餐盘（README 口径；论文口径 5,066 道独特菜肴）；>250 种成分；约 20,000 段侧角视频；3.5k 盘含俯拍 RGB-D

Google Research 于 CVPR 2021 发布的通用食物营养理解数据集——加州园区自助餐厅采集 5,006 盘真实餐盘，配 4 路侧角扫掠视频、俯拍 RGB-D 图像、电子秤逐成分克重与 USDA 数据库换算的高精度营养标注，官方基线模型对卡路里的预测误差低于专业营养师的视觉估计，全量数据以 CC BY-4.0 许可公开

Google 加州园区自助餐盘认知扫描平台：4 路树莓派侧角视频（1920×1080，30°/60° 俯仰交替）+ Intel RealSense D435 俯拍 RGB-D（16-bit 深度）+ 盘下电子秤逐成分增量克重（±1 g）+ USDA Food and Nutrient Database 换算的逐成分与全菜营养标注 26

医学影像医疗NLP生物医学文献医学问答与基准评测基准

PubTabNet — 56.8 万张文献表格图像的 HTML 识别数据集

自动标注影像数据原始数据568k+ 张表格图像（无患者级口径；来源文献为已发表的开放获取生物医学期刊论文）

IBM Research Australia 从 PubMed Central 开放获取子集自动对齐 PDF 与 XML 生成的 568k+ 表格图像+HTML 标注语料，附带 EDD 编码器-双解码器模型与 TEDS 树编辑距离指标，是图像表格识别领域事实上的基准数据集

PubMed Central Open Access Subset（commercial use collection）论文的表格区域 PNG 图像 + 自动对齐生成的 HTML 结构与单元格文本标注（jsonl，含非空单元格 bbox） 28

电子健康记录医疗NLP医学问答与基准多模态

MIMIC-IV-Ext Cardiac Disease — 4761 例真实心脏病住院全检查链 LLM 诊断基准

原始数据文本数据时序数据4761 例住院记录（hadm_id 级），覆盖 20 种 ICD-10 心脏病主诊断；最大病种心衰 I50 1420 例、急性心梗 I21 1398 例；平均每例 14.21 个真实诊断

MIMIC-IV 心脏病专用扩展子集：20 种 ICD-10 心血管疾病 4761 例住院记录，逐例重组主诉、现病史、查体、影像、检验、微生物与心电报告为诊断证据链，配套多轮交互框架检验大模型能否引导院内检查

MIMIC-IV v3.1（BIDMC 重症住院 EHR）+ MIMIC-IV-Note 出院报告 + MIMIC-IV-ECG 心电机器报告；衍生文件含 heart_diagnoses.csv 核心证据链表、heart_labevents_examination_group.csv 检验分组表、heart_microbiologyevents.csv 微生物培养表、heart_procedures.csv 操作表、HPI.json 与 RAG_data.json 检索库 33

公共卫生与流行病学调查数据公共卫生统计真实世界数据

USDA FoodData Central

原始数据公开数据表格数据非患者数据集；含 5 类食品记录：Foundation Foods（数千条级）、SR Legacy（约 7,000+ 条、2018 冻结）、Survey Foods（FNDDS 2021-2023，约

美国农业部食品数据中心——五大数据类型统一门户（Foundation Foods/SR Legacy/Survey Foods/Experimental Foods/Branded Foods），公有领域 CC0，免费 API 与 CSV 全量下载，全球营养研究与膳食评估的金标准参考库

USDA ARS 实验室分析（Foundation Foods）；SR Legacy（2018 冻结）；FNDDS 2021-2023（Survey）；同行评审合作研究（Experimental）；厂商提交的 USDA Global Branded Food Products Database（月更） 55

医疗NLP临床文本电子健康记录临床电子病历评测基准

MedSecId — 临床笔记章节识别标注语料

人工标注文本数据原始数据2,002 份临床笔记（来源患者数未在论文中以唯一患者口径披露）；覆盖 50 种章节类型、5 类笔记来源（出院小结/放射/会诊/超声心动/医生病程记录）

首个大规模公开的临床笔记章节识别（Section Identification）语料——2,002 份 MIMIC-III 临床笔记逐句标注 50 种章节类型，由 2 名主治医师与 1 名高年资住院医标注，Krippendorff α 达 0.84-0.87，BiLSTM-CRF 基线 Micro F1 达 0.955；标注文件 Zenodo 公开，笔记原文需 PhysioNet 凭证

MIMIC-III v1.4 NOTEEVENTS 临床笔记全文（出院小结、放射报告、会诊记录、超声心动报告、医生病程记录五类）+ 逐句章节标注（span+标签，Zenodo record 7150451 公开） 40

生理信号可穿戴传感时序数据真实世界数据评测基准

ShanghaiT1DM & ShanghaiT2DM — 上海糖尿病动态血糖数据集：真实生活 CGM 与称重饮食记录

原始数据传感数据自报数据112 例患者（T1DM 12 例 + T2DM 100 例）；CGM 记录文件 125 份（16 + 109）；CGM 测量点 128,170 个（15,695 + 112,475）

同济大学联合上海市东方医院与第四人民医院发布的中国糖尿病公开数据集合集：12 例 T1DM（含 10 例 LADA）与 100 例 T2DM 患者在真实生活条件下的 FreeStyle Libre H 动态血糖监测（15 分钟采样、最长 14 天佩戴），配套称重饮食记录、实验室检查、人口学与用药信息，CC BY 4.0 于 figshare 公开，面向血糖预测、餐后建模与强化学习血糖控制研究

FreeStyle Libre H flash 血糖仪 15 分钟间隔 CGM 时间序列 + 患者自报每日称重饮食记录（进食时间与食物重量）+ 糖代谢/血脂/肾功能实验室检查 + 人口学/BMI/病程/并发症临床特征 + 降糖用药记录 48

医学影像图像分类医学图像分割挑战赛数据集评测基准

IUGC 2024 产时超声挑战赛数据集 — 标准平面分类·胎头耻骨联合分割·AoP/HSD 自动测量的 MICCAI 2024 产时超声视频挑战赛数据集

人工标注影像数据原始数据训练 456 个视频（288 全标准平面 + 168 全非标准平面）；帧级：标准平面 24,434 帧（含 2,906 帧分割标注）+ 非标准平面 31,450 帧；患者总数未公开

MICCAI 2024 产时超声 Grand Challenge：三所中国大学医院 456 个训练视频（288 标准平面 + 168 非标准平面）、24,434 个标准平面帧与 31,450 个非标准平面帧，三位超声医师标注 2,906 帧胎头/耻骨联合分割，级联完成标准平面分类、双结构分割与进展角/头耻距自动测量

产时经会阴超声视频（三所中国大学医院产房实采）+ 胎儿头/耻骨联合像素级分割掩码（3 名超声医师标注 2,906 帧）+ 标准平面二分类帧级标签 + 官方基线训练/评估代码与提交样例 25

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

MedSynth — 万对合成医患对话-SOAP 病历数据集

CATS-58 — 临床缩写义项消歧平衡基准集

CliniQ — MIMIC-III 电子病历实体检索基准：1,246 条查询 × 77,206 条 LLM 相关性判定，五类语义匹配首次量化