即取即用的 AI-Ready 医疗数据集库

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

电子健康记录临床文本知识图谱医疗登记流行病学评测基准

SNOMED CT to ICD-10-CM Map — 临床术语到报销编码的规则式映射参考集

术语数据结构化数据人工标注不适用（术语映射参考集，无患者个体数据）；映射覆盖 138,383 个活跃 SNOMED CT 源概念（2025-09 口径）

NLM 随 SNOMED CT 美国版半年发布的规则式映射表（Refset 6011000124106），把 13.8 万+ 活跃 SNOMED CT 临床概念按映射组转为 ICD-10-CM 报销码，需同时持有双许可方可使用

NLM 随 SNOMED CT US Edition 发布的 ICD-10-CM extended map reference set（Refset 6011000124106）：Extended Map 核心映射文件 + Refset Descriptor 元数据 + Module Dependency 依赖声明，另有 human readable TSV 33

药物发现与化学药物安全真实世界数据知识图谱药物-靶点相互作用

OffSIDES — 标签外药物副作用挖掘库

知识库文本数据关系数据不适用（非患者级数据集，为药物-事件关联粒度；1,332 种药物 × 10,097 个不良事件）

从 FAERS 千万级自发报告中以 SCRUB 高维倾向评分匹配校正混杂、再经 LSD 潜在信号检测推断出的 438,801 条标签外副作用关联——1,332 药 × 10,097 不良事件，TWOSIDES/OnSIDES/KidSIDES 家族之源

FDA FAERS（Adverse Event Reporting System）自发不良事件报告，经 SCRUB 高维倾向评分匹配校正混杂 + LSD 潜在信号检测挖掘；FDA 结构化产品标签（structured product label）用于剔除已知标签内副作用；SIDER 说明书抽取库用于关联回收验证 35

医疗NLP药物发现与化学知识图谱命名实体识别关系抽取药物安全

OnSIDES — 药品说明书不良反应结构化库

结构化数据公开数据文本数据不适用（药物-不良反应对为主；主 README 口径 4,097 药物成分 / 51,460 标签 / 7.1M+ drug-ADE pairs，截至 2026-04）

微调 PubMedBERT 从 FDA/EMA/EMC/KEGG 四源药品标签抽取 700 万+ 药物-不良反应对，映射 RxNorm 与 MedDRA PT；CC BY 4.0 公开、季度更新，附儿科/国际/标注三补充库

FDA 结构化产品标签（DailyMed, 美国）+ EMA 欧盟药品标签 + EMC 英国药品标签 + KEGG 日本药品标签；药物映射 RxNorm（国际药用 OMOP RxNorm Extension），不良反应映射 MedDRA Preferred Terms 34

医疗NLP临床文本药物安全公共卫生与流行病学命名实体识别

PsyTAR — 精神科药物不良反应评论语料

文本数据人工标注原始数据891 篇药物评论帖（JBI 口径 887 篇含文本：SSRI 428 + SNRI 459）；6009 句；平均年龄 37 岁

891 篇 askapatient 患者评论拆 6009 句，三层标注（句子分类/实体识别/UMLS-SNOMED 归一化），CC BY 4.0 开放

askapatient.com 医疗评价论坛 API 采集的四种精神科药物（Zoloft/Lexapro/Cymbalta/Effexor XR）患者评论，经去个人信息与语法修正后拆句，双人标注句子分类（ADR/WD/SSI/DI/EF/INF/Others 七类）与四类实体 mention，再归一化到 UMLS 与 SNOMED CT；CSV 格式分发 47

医疗NLP临床文本命名实体识别关系抽取评测基准多模态

Real-MedNLP — 首个真实英日平行病例与放射报告的医学 NLP 共享任务

人工标注文本数据多语言数据MedTxt-CR 224 篇病例报告（论文构建口径；Test Collection 实际释放 100 篇训练集）；MedTxt-RR 135 篇放射报告（9 名放射科医生 × 15 个肺癌病例）

NTCIR-16 上以 224 篇真实病例报告与 135 篇真实放射报告为基座、覆盖日语原文与英语人工翻译的 MedTxt 平行语料，含低资源 NER、药物不良事件提取、同一病例识别三类任务，9 支队伍参赛，CC BY 4.0 训练部分公开释放

J-Stage 日本学术平台开放获取病例报告（按 MANBYO-DIC/J-MeDic 疾病频率筛选，224 篇，人工译为英语）+ 9 名放射科医生为 15 个肺癌病例新撰写的放射报告（135 篇，含英译）+ 五类实体（疾病症状/解剖部位/时间/检查/药物）与模态标注 + Task3 的 ADEval 四级药物不良事件标注与病例识别金标准 31

生理信号语音信号挑战赛数据集评测基准儿科

SPRSound — 首个公开儿科呼吸音数据库：2,683 条录音与 9,089 个事件的听诊 AI 基准

人工标注原始数据音频数据292 名受试者（1 个月至 18 岁儿科人群）；2,683 条记录、9,089 个呼吸音事件

上海交大联合上海儿童医学中心采集的儿科呼吸音库——1 个月至 18 岁、11 名儿科医师金标准标注、自研 SoundAnn 标注软件，历经 2022-2025 四届 IEEE BioCAS 呼吸音挑战赛，从事件级/记录级分类扩展到压缩与事件检测双赛道

上海儿童医学中心（SCMC）儿科呼吸科现场采集的 .wav 呼吸音 + 同名 .json 双层标注（记录级 + 事件级）；IEEE DataPort DOI 10.21227/nfkk-1x47｜GitHub SJTU-YONGFU-RESEARCH-GRP/SPRSound 42

生理信号语音信号可穿戴传感评测基准

HF_Lung_V1 — 开放获取肺音数据库与呼吸相位检测基准

人工标注原始数据时序数据来源受试者 279 名（TSECC 2020 数据库 261 名患者 + 台湾北部 RCW/RCC 18 名住院者）；录音段 9,765 段（每段 15 秒）

Heroic-Faith 与台湾团队构建的 9,765 段 15 秒肺音库——含 34,095 吸气/18,349 呼气/13,883 连续异常音/15,606 爆裂音标签，自研 HF-Type-1 八麦克风设备，CC BY 4.0 于 GitLab 公开，八种 RNN 变体基准确立双向优于单向、加 CNN 增益的结论

台湾智慧急诊与重症监护（TSECC）2020 数据挑战赛数据库（CC BY 4.0，台湾急诊重症医学会 TSECCM 提供，261 名患者）+ 台湾北部呼吸照护病房/呼吸照护中心（RCW/RCC）18 名住院者于 2018 年 8 月至 2019 年 10 月的录音（伦理批件 107052-F） 65

生理信号可穿戴传感步态与运动帕金森病神经退行性疾病时序数据

COPS — 帕金森病症状连续观测：双腕加速度计与逐小时症状日记同步数据集

传感器数据人工标注时序数据66 例帕金森病患者（男 41 / 女 25，平均年龄 58.66 岁）；会议摘要前身口径 65 例

德国科隆大学医院 66 例帕金森病患者佩戴 GENEActiv 双腕三轴加速度计（100 Hz）最多 7 天，逐小时填写运动状态/震颤/冻结步态/跌倒/用药日记，产出 393.8 天同步金标准数据，CC BY 4.0 于 OSF 公开

双腕 GENEActiv 三轴加速度计原始波形（100 Hz，含光感与体表温度通道）+ 逐小时症状日记（运动状态 7 点/震颤 3 点/冻结步态二值/跌倒二值/用药时间/睡眠）+ 人口统计学与临床量表（UPDRS-III、Hoehn & Yahr、DBS 状态） 33

医学图像分割蛋白质组学神经科学评测基准多模态

EMPIAR — 电镜公共图像档案：冷冻电镜原始图像的全球总库

影像数据原始数据公开数据不适用（原始图像档案，非患者队列；条目为实验/沉积单元，含分子/病毒/细胞尺度）

Electron Microscopy Public Image Archive 收录单颗粒冷冻电镜原始帧、电子断层倾斜系列、体积电镜与 X 射线断层三维数据集，2026 年累计 3,196 条、9.42 PiB，EMBL-EBI 运营、CC0 公共领域奉献、REST API 免认证开放，与 EMDB 三维图谱、PDB 原子坐标构成三方协作归档体系

全球冷冻电镜实验室沉积的原始图像与三维数据集（单颗粒/断层/体积 EM/X 射线断层），经 EMBL-EBI 策展后公开（EMPIAR-##### accessions，DOI 10.6019/EMPIAR-#####） 29