医疗 AI-Ready 训练数据集库（上万即取即用）

致力于为医疗 AI 研究人员找到合适的数据集。已收录 2,066 个 AI-Ready 数据集，覆盖医学影像、电子病历与文本、病灶分割与标注等多模态数据。

需要具备完整溯源、伦理合规与工程化交付的专病训练集？进入医疗数据商城 →

按工程化层级：

千方医数集 · 商业级 AI-Ready 数据集

官方自营 · 合规交易

乳腺钼靶影像与病灶标注数据集

四体位乳腺钼靶 DICOM 影像，配病灶检出框与像素级分割掩膜，标签按 BI-RADS 术语组织。

TCT 宫颈细胞学数据集

液基薄层细胞学（TCT）数字图像，含阴阳性判读结果，适配宫颈癌细胞学筛查模型。

需要更多专病队列？

千方医数集支持按病种、模态合规定制采集。

提交定制需求

医学影像 AI-Ready 数据集

CT MRI 病理 X光

电子病历与文本数据集

电子病历病历文本

病灶分割与标注数据集

病灶分割数据标注

按任务类型浏览

图像分类目标检测语义分割

共 1828 个数据集

电子健康记录真实世界数据肿瘤学临床电子病历

Flatiron Health — 肿瘤真实世界数据引擎

5M+ 患者记录280+ 诊所与学术机构22 个病种数据集HIPAA 去标识化提案制免费获取（学术）关系表加数据字典500 万+ 名癌症患者（去标识化，美国为主）

5M+ 患者 EHR 深度整理的美国肿瘤真实世界数据网络

Flatiron Health（罗氏集团独立成员） url: https://www.flatiron.com 115

电子健康记录公共卫生与流行病学医保理赔卫生服务研究药物安全队列研究

NHIS-NHID — 韩国全民健保理赔与健康筛查数据库

约 5,200 万人全人口理赔5 大子库514,866 人 HEALS 队列558,147 人老年队列申请审核付费获取约 5,200 万名参保人（理赔库覆盖约 98%）

覆盖约 5,200 万韩国全人口的健保理赔与体检研究数据库

韩国国民健康保险公团（National Health Insurance Service, NHIS） url: https://nhiss.nhis.or.kr/ 69

电子健康记录临床电子病历真实世界数据药物安全队列研究

CPRD — 全球最大初级保健纵向 EHR 数据库

约 7,100 万名患者约 2,000 家 GP 诊所1987 年起连续采集17 种二级数据链接7,100 万名患者

英国药品与健康产品管理局 (MHRA) & 国家健康研究所 (NIHR) 105

电子健康记录药物发现与化学临床电子病历医保理赔真实世界数据药物安全

JMDC — 日本最大民间可用理赔数据库

累计 2,000 万+ 被保险人2005 年起月度更新ICD-10 + WHO ATC 编码商业许可付费使用理赔+健检联接累计被保险人 2,000 万+（截至 2026-05 官方口径）

2,000 万+ 日本受雇人群理赔+健检联接数据

JMDC Inc. url: https://www.jmdc.co.jp/en/bigdata 88

生理信号医学问答与基准心电信号心血管疾病时序数据评测基准

MIT-BIH Arrhythmia — 心律失常标准心电数据库

约 104 MB48 条 30 分钟记录11 万次心拍标注免费直接下载47 名受试者

data_source: MIT Laboratory for Computer Science & Beth Israel Hospital url: https://physionet.org/content/mitdb/1.0.0/ 106

医疗NLP公共卫生与流行病学生物医学文献COVID-19

LitCovid — NCBI 新冠文献策展库

437,000+ 篇文献每日更新8 类主题多标签BioC XMLJSON 免费下载BC7 基准 30,000+ 篇不适用（文献元数据库，不含患者级数据）

NCBI 官方新冠文献策展库：437,000+ 篇每日更新

NCBI（美国国家生物技术信息中心）/ NLM / NIH url: https://www.ncbi.nlm.nih.gov/research/coronavirus/ 66

医学影像内窥镜影像手术视频医学图像分割

EndoVis Challenges — 内窥镜视觉挑战赛

40+ 子挑战赛2015–2026 持续 12 年多中心数据免费注册获取多任务覆盖 100,000+ 帧标注

ISCAS Open Source and Open Data Group (NCT Dresden / DKFZ / UCL) url: https://endovis.grand-challenge.org/ 139

医疗NLP多模态影像-文本对齐生物医学文献

MedICaT — 医学图像-图注对齐数据集

217,060 幅医学插图131,410 篇开放获取论文7,507 对 subfigure 标注约 25,000 条 ROCO 引用约 104 GB 压缩包不适用（文献图文数据集，无患者队列）

217,060 幅医学论文插图 + 图注 + 图内引用的复合图对齐基准

Allen Institute for AI（与华盛顿大学等合作） url: https://github.com/allenai/medicat 51

医疗NLP命名实体识别知识图谱

COMETA — 社媒医学实体链接语料库

20,015 条实体提及68 个健康 subreddit双层 SNOMED CT 标注4 种官方划分TSV 格式开放下载不适用（匿名社交媒体帖文，非临床患者队列）

20,015 条 Reddit 通俗医学提及的双层 SNOMED CT 标注语料

University of Cambridge Language Technology Lab (LTL) url: https://github.com/cambridgeltl/cometa 84

药物发现与化学化学信息学分子生成

COCONUT — 全球最大开放天然产物结构库

695,133 个独特 NP 结构63 个开放数据源55,252 个来源生物CC0 开放许可SDFCSVSQLAPI不适用（化学结构数据库，不含患者数据）

695,133 个独特天然产物结构，整合 63 个数据源的全球最大开放 NP 库

德国耶拿大学 Friedrich Schiller 大学（Steinbeck 实验室） url: https://coconut.naturalproducts.net 86

电子健康记录医疗NLP肿瘤学医疗登记

TREC PM — 精准医学信息检索评测基准

约 29GB（含语料库）155 个癌症案例4 轮年度评测免费获取155 个合成癌症案例

NIST (美国国家标准与技术研究院) https://trec.nist.gov/data/precmed.html 85

医学问答与基准医疗NLP医学考试医学问答评测基准

MedQA — 中美医学执照考试问答数据集

6.1 万道多语言选择题18 本医学教科书语料61,097 道医学考试题

MIT CSAIL & 华中科技大学 https://github.com/jind11/MedQA 132

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。