即取即用的 AI-Ready 医疗数据集库
千方医数集致力于为医疗 AI 研究人员找到合适的数据集，让你的 AI 感知模型能够更快地学习、更准确地运行，并无缝适应现实世界的环境。
数据标签
共 1219 个数据集
ZCHSound — 浙江大学 1259 名儿童先心病心音数据库：五分类智能听诊基准
浙大儿院牵头三中心采集 1259 名 2 天至 14 岁儿童的单听诊点心音（PCG），含 941 名高质量与 318 名新生儿低质量双子集，五类 CHD 诊断标签由双专家共识确认，配套正常/ASD/PDA/PFO/VSD 五分类、四任务基准与 84 维时频特征，随机森林基线 F1 达 90.3%
HRA Knowledge Graph — 人体参考图谱 RDF 知识图谱：解剖-细胞-标志物主干
NIH HuBMAP 主导、Indiana 大学 CNS 维护的 HRA 知识图谱：v2.2 发布 10,064,033 节点 / 171,250,177 边 / 125.84 GB，13 类数字对象经 Uberon 与细胞本体对齐；v2.5 起每年 6-15 与 12-15 双发，CC BY 4.0 全开放，SPARQL 与 Zenodo 双入口
MedVAL-Bench 医学文本校验基准
840 条医师标注的 LM 医学输出校验基准——12 位内科与放射科医师按 10 类错误与 4 级风险分级，专测「判断一段医学表述是否站得住脚」而非「会不会写」
VTaC — ICU 床旁监护仪室性心动过速报警专家双标注基准
三所美国医院 ICU 触发的 5,037 条室性心动过速（VT）报警：每条由至少两名专家独立标注真假、三厂商多模态波形（ECG+PPG/PLETH+ABP，250 Hz），假报警占 71.39%——继 PhysioNet Challenge 2015 之后报警疲劳研究最大规模的公开基准，NeurIPS 2023 Datasets & Benchmarks 发表
RadNLI 放射报告自然语言推理数据集
斯坦福团队在 PhysioNet 发布的放射学报告域自然语言推理评测集：句对采自 MIMIC-CXR 验证集报告，由医学专家与计算机科学专家双向标注三类推理标签，用于评估放射报告生成的事实一致性
MIMIC-III 出院小结问题性阿片使用标注集
100 名 ICU 患者、137 份出院小结、3,270 条句级与患者级标注，33 类阿片使用及相关语境标注模式，PhysioNet 认证访问
ECHOVIEW 超声心动图切面分类标注
MIMIC-IV-ECHO 派生切面分类标注：463 名患者 717 项检查的经胸超声视频逐段输出 23 类视图概率，机器学习预标注而非人工金标准
The Human Sleep Project — 12 万夜五中心真实临床多导睡眠图全生命周期数据集
HSP v3.0：90,166 名患者、119,234 条整夜记录、5 个美国学术医疗中心的临床 PSG（115,129）与家庭睡眠呼吸监测（4,105），BIDS 1.7.0 结构 + 22 类 ICD-10 诊断链接 + 人工与 CAISR 自动双标注，受 DUA 资质访问
KNOAP2020 膝骨关节炎发病预测挑战赛
PROOF 队列 423 膝盲测、30 膝带标签：1.0–1.5T MRI 双序列 + 数字化 X 线 + 13 项临床因素预测 6.5 年新发
Medical-CXR-VQA 胸片问答数据集
基于 MIMIC-CXR 报告、经微调 LLM 流水线构建的大规模胸部 X 光视觉问答数据集——215,547 项影像研究上生成 780,014 个临床问答对，覆盖存在、异常、位置、级别、视图、类型六类问题，配套可解释关系图 VQA 方法与放射科医生双评质检
GPT-3.5 生成的低资源 ICD 编码出院摘要
爱丁堡大学团队用 gpt-3.5-turbo-0613 围绕 114 个低资源 ICD-10 编码生成的 9,606 份合成出院摘要，含提示词、原始输出与预测编码，用于缓解 MIMIC-IV 长尾码稀疏、增强神经编码模型，PhysioNet 凭证制发放
PUMA — 黑色素瘤全景分割数据集
310 张 40× H&E ROI 的黑色素瘤核与组织全景分割基准
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。
