即取即用的 AI-Ready 医疗数据集库

西班牙华亚多利德大学等发布的首个面向儿童步态三模态开放数据集——59 名参与者（CP 22 / ITW 12 / TD 25），Xsens 惯性运动捕捉＋ Delsys Trigno 四通道表面肌电＋三视角视频同步，含治疗前后 T0/T1/T2 纵向随访，Zenodo 公开 CC BY 4.0 直取约 9.5 GB

Xsens 身体穿戴惯性运动捕捉系统（下身 IMU 3D 运动学）＋ Delsys Trigno 四通道表面肌电（胫骨前肌、腓肠肌）＋三视角视频（前左、前右、矢状面）同步采集；Zenodo 公开文件 DATASET.zip（7.73 GB）/ VIDEO.zip（1.73 GB）/ ANALYSIS.zip（76.2 MB）/ PARTICIPANT_CHARACTERISTICS.xlsx（44.2 kB） 40

电子健康记录知识图谱命名实体识别药物发现与化学医疗NLP

TCMSSD — 中医证候标准化数据库

结构化数据知识库文献数据不适用（文献与公共数据库整合的证候—疾病—处方—中药—成分—靶点—药物知识库，非患者级临床队列）

浙江中医药大学构建的证候辨证综合库：624 证候 / 133,518 处方 / 8,073 疾病 / 8,259 中草药 / 43,413 成分 / 17,602 靶点 / 8,182 药物，深度学习知识图谱 + BM25 证候预测，打通中医证候与西医分子层

《中医证候学》(Zhong Yi Zheng Hou Xue) 与《中医内科学》(Zhong Yi Nei Ke Xue) 文献 + TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem 等公共数据库整合 40

医疗NLP医学问答与基准知识图谱电子健康记录临床文本

TCMEval-SDT — 中医辨证思维四步推理评测基准数据集

人工标注文本数据评测数据300 例中医证候诊断病例（训练 200 / 测试 50 / 验证 50）

中国中医科学院主导、发表于 Scientific Data 的首个中医证候诊断「思维过程」评测基准——300 例专家标注病例、四步推理链、十选项病机证候多选题、CC-BY 4.0 经 figshare 公开，覆盖 GLM/ChatGPT/通义千问/Gemini 四大模型辨证能力横评

中医证候诊断病例文本集：源自 CNKI、万方数据、中医古籍与医院病历三源，经清洗/匿名化/去重后由中医专家用百部知识引擎标注，含 13 字段元数据（病历 ID、临床数据、解释性总结、证候、临床信息、病机及推理链、选项与答案） 41

医学影像目标检测图像分类评测基准多模态公共卫生与流行病学

TCM-Tongue — 首个 AI 中医舌诊标准化舌象数据集

人工标注影像数据原始数据6,719 张舌象图像（受试者/患者总人数未披露）；训练 5,594 / 验证 572 / 测试 553（测试含 10% 疑难病例）

6,719 张 D65 标准光源下采集的舌象高清图，20 类病理症状多标签（每图平均 2.54 标签，执业中医师双验证），三种标注格式 + YOLOv5/v7/v8/SSD/MobileNetV2 基准，CC BY 4.0 公开

定制双摄标准化舌象采集系统（D65 标准光源、sub-100μm 焦点堆叠、3-8s/人）所得 6,719 张高清舌象 + 20 类病理症状多标签（COCO/YOLO TXT/PASCAL VOC XML 三格式）+ YOLO 检测代码 57

医学影像CT肿瘤学队列研究

Head-Neck-CT-Atlas — MD 安德森 215 例头颈鳞癌根治性放疗 CT 图集：诊断/计划/随访三期影像 + OAR 与靶区轮廓 + 匹配临床变量

影像数据原始数据人工标注临床数据215 例头颈鳞癌（HNSCC）根治性放疗患者（初筛 MDACC 2003-10 至 2013-08 连续 2840 例，纳入 RT 前后均有全身 PET-CT 或腹部 CT 者 215 例；排除初诊

TCIA 上 HNSCC 父集合（627 例）的头号子项目：215 例 MDACC 头颈鳞癌放疗患者 433,381 个 DICOM（CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE），含危及器官与靶区轮廓、ICRU 50/62 勾画依据、L3 体成分指标与 AJCC 7 分期临床表；临床表 CC BY 3.0，影像走 NIH 受控访问

TCIA 收录 MD 安德森头颈鳞癌放疗 CT 图集：CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE 六模态 DICOM（765 studies / 3,222 series / 433,381 images，99.79GB，扫描窗 2003-2013）+ 临床数据 XLSX（135kb）+ 数据字典 XLSX（98.65kb） 31

基因组学与多组学蛋白质组学知识图谱评测基准

SAbDab2 — 面向机器学习的抗体结构数据库

实验数据结构数据原始数据人工标注不适用（抗体结构数据，非患者队列；21,237 个抗体实例来自 11,085 个 PDB ID）

牛津 OPIG 把 SAbDab（2013 起）重构成 ML 时代的抗体结构库：21,237 个抗体实例 / 11,085 个 PDB ID / 6,540 个 SAbDab2 ID，IMGT+ANARCII 编号，CC-BY 4.0，附带 15,641 条 ML-grade 可变区结构与版本化 train/test 划分

Protein Data Bank (PDB) 全部公开抗体结构（PDBx/mmCIF 格式）经 ANARCII 识别与 IMGT 编号后重新注释；ML-grade 子集为 X 射线/冷冻电镜、分辨率 ≤3.5 Å、非致病性、裁剪至可变区 IMGT 位 1–128 的结构 37