医疗 AI-Ready 训练数据集库（上万即取即用）

从 MIMIC-IV v3.1 与 MIMIC-IV-ECG v1.0 派生的 437,671 对 ECG-血糖时间对齐记录（131,771 患者）：±240 分钟窗口匹配、逐条三维质量标注（药理干预/信号质量 SQI/时间对齐）、101 列含四式 QTc 与患者级 80/10/10 划分，PhysioNet 认证访问

MIMIC-IV v3.1（血糖 labevents + 人口学/住院/ICU 上下文 + icu.inputevents 胰岛素与葡萄糖给药记录）与 MIMIC-IV-ECG v1.0（12 导联诊断 ECG 及机器测量）经 Google BigQuery SQL 派生的 101 列配对表（437,671 行 × 101 列，CSV，RFC 4180） 63

医疗NLP临床文本电子健康记录医学问答与基准多模态

ACI-BENCH — 医患对话自动生成病历基准

人工标注文本数据对话数据合成数据207 段合成就诊（encounter）对话-病历对（虚构 persona，非真实患者；三子集 virtassist/virtscribe/aci）

迄今最大的公开就诊完整对话-临床病历配对语料库：207 段角色扮演就诊（virtassist/virtscribe/aci 三子集）、SOAP 四连续分部、微软+华盛顿大学+Nuance 三方共建，CC BY 4.0 一举打通 MEDIQA-Chat 2023 与 MEDIQA-SUM 2023 两届共享任务

207 段角色扮演的医患完整就诊对话转录（human/ASR/ASR-corrected 三版本）+ 对应的结构化临床病历（SOAP 四连续分部：subjective/objective_exam/objective_results/assessment_and_plan）+ 元数据表（id/encounter_id/doctor_name/patient name/gender/主诉与次诉） 72

生理信号心电信号可穿戴传感重症监护评测基准心血管疾病

MIMIC PERform Datasets — 重症监护 PPG 心跳检测基准的六子集信号库

信号数据原始数据公开数据集AF 35（19 AF/16 non-AF）；Training 200（100 成人/100 新生儿）；Testing 200（100 成人/100 新生儿）；Ethnicity 200（100 Bl

从 MIMIC-III Waveform Database 抽取的 ECG/PPG/呼吸信号基准系列——35 例房颤、200 例成人新生儿、200 例黑白人种与 2025 新增的 6,505 段呼吸率数据，配套 15 个开源检测器的 F1 横评框架，把「谁的 PPG 算法更强」变成可复现的公开考卷

MIMIC-III Waveform Database（含 Matched Subset）抽取的床旁监护仪信号：ECG、PPG、阻抗呼吸（imp/resp），部分含动脉血压（abp），采样率 125 Hz，ICU 常规诊疗采集；附固定参数 fix 字段与 ECG 派生参考心跳标注 62

生理信号心电信号评测基准医学问答与基准心血管疾病

OpenECG — 公开九中心 120 万条 12 导联心电基础模型基准

波形数据原始数据人工标注483,837 名患者（论文口径）；对应 1,233,337 条 12 导联 ECG 记录

把全部公开 12 导联 ECG 数据集统一进单一基准：1,233,337 条记录 / 483,837 患者 / 9 中心，以 SimCLR、BYOL、MAE 三种自监督方法配 ResNet-50 与 ViT 骨干，用留一数据集与数据规模缩放实验证明公开数据可匹敌专有数据

九中心公开 12 导联 ECG 数据集聚合：MIMIC-IV-ECG（800,035 记录）+ CODE-15（341,292）+ PhysioNet/CinC Challenge 2020 五子集（CPSC/Georgia/PTB/PTB-XL/INCART）+ Chapman-Shaoxing（45,152），统一重采样为 (n, 12, 1000) 并配 SNOMED CT 24 类标签 85

医学影像CT医学图像分割挑战赛数据集肿瘤学

StructSeg 2019 — 头颈部与胸部 CT 危及器官分割挑战赛数据集

CTNIfTIOrgan-at-RiskSegmentation MaskHead & NeckThorax60

MICCAI 2019 官方挑战赛 · 4 个分割任务 · 50 例训练 + 10 例测试 · 22/6 类危及器官 · NIfTI 格式

StructSeg 2019 Challenge (MICCAI) / Zhejiang Cancer Hospital url: https://structseg2019.grand-challenge.org/ 68

医学影像眼科影像图像分类青光眼评测基准医学问答与基准

ACRIMA — 青光眼视盘眼底分类基准数据集

人工标注影像数据原始数据患者级数量未披露（NR，Lancet Digital Health 综述口径）；数据集层面共 705 张图像，其中青光眼 396 张、正常 309 张

705 张视盘居中的彩色眼底照片（396 青光眼 + 309 正常），西班牙 Valencia 单中心、双专家 8 年经验标注、Topcon TRC 35° 视场，2019 年 Figshare CC BY 4.0 公开——曾自述为当时「最大的公开青光眼诊断数据库」，CNN 交叉库泛化评测的经典试炼场

西班牙 Valencia 单中心采集的视盘（optic disc）居中彩色眼底照片：Topcon TRC 眼底相机 + IMAGEnet® 采集系统，35° 视场，2048×1536 px，多数取自散瞳后的左右眼；每张配二分类标签（青光眼/正常），无分割掩码；官方 Figshare 包另附复现论文的 Python 脚本与五种 CNN 权重 72

医学影像CTMRI医学图像分割挑战赛数据集心血管疾病

MM-WHS — 多模态全心分割挑战赛 120 例 3D 心脏 CT/MRI 与七结构手工标注

人工标注影像数据原始数据120 例 3D 心脏影像（60 CT/CTA + 60 MRI）；训练集 20 CT + 20 MRI（含标注），测试集 40 CT + 40 MRI（无公开标注）

MICCAI-STACOM 2017 首届多模态全心分割挑战赛数据集：60 CT + 60 MRI 全心 3D 影像，训练集 20+20 例逐体素手工分割七类心内结构（LV/RV/LA/RA/Myo/AO/PA，官标 205-850），评测服务长期运行，衍生官方续作 CARE-Whole Heart，全心分割领域标准基准

多中心真实临床环境采集的匿名化心脏 CT/CTA（常规 cardiac CT angiography，覆盖腹上部至主动脉弓，面内约 0.78×0.78 mm、层厚约 1.60 mm）与心脏 MRI（3D b-SSFP，采集约 2 mm 重采样约 1 mm）+ 训练集七类全心亚结构逐体素手工分割（LV=500/RV=600/LA=420/RA=550/Myo=205/AO=820/PA=850） 85

医学影像眼科影像医学图像分割图像分类挑战赛数据集青光眼

REFUGE2 — MICCAI 2020 四相机青光眼眼底挑战赛 2000 张多域数据集

影像数据人工标注原始数据2000 张彩色眼底照片（Training 1200：Zeiss 400 + Canon 800｜Online 400：KOWA｜Onsite 400：TOPCON）；患者级数量未披露，左右眼均可纳入

REFUGE1 全部 1200 张复用为训练集 + 新增 800 张 KOWA/TOPCON 图，2 相机扩为 4 相机、新增黄斑中心凹定位任务——首个多设备多任务彩色眼底青光眼基准，CC BY-NC-ND

中山大学中山眼科中心暗室采集的四相机彩色眼底照片（Zeiss Visucam 500 / Canon CR-2 / KOWA / TOPCON TRC-NW400），含青光眼分类标签、视盘/视杯逐像素掩码与黄斑中心凹坐标；7 名眼科医师初标 + 1 名资深专家复核 99

医疗NLP生物医学文献命名实体识别关系抽取知识图谱评测基准

PubTator Central — NCBI 生物医学文献自动实体与关系标注语料

自动标注文本数据原始数据不适用（文献级语料，非患者数据）；文档规模：PTC 2019 约 2900 万 PubMed 摘要 + 300 万 PMC 全文；PubTator 3.0 约 3600 万摘要 + 600 万全文

NCBI 对 2900 万条 PubMed 摘要与 300 万篇 PMC 全文做全自动生物概念（基因/变异/疾病/化学物质/物种/细胞系）实体与关系标注——2013 PubTator 原版的全文升级版，2019 NAR 发布，FTP/API/Web 三层发布，公共领域无限制许可；2024 演进为 PubTator 3.0

NCBI PubTator 系列对 PubMed 摘要与 PMC 开放获取全文的全自动实体与关系标注：六类实体（基因/蛋白、变异、疾病、化学、物种、细胞系）+ 12 类关系；注释含连续 span、概念类型与数据库登录号；多格式发布（BioC-XML / JSON / tab）；明细见正文附录 67

基因组学与多组学医疗NLP知识图谱变异与注释罕见病评测基准

Human Phenotype Ontology — 人类表型本体：医疗 AI 表型标准化的 OBO 知识底座

知识库本体数据标注语料不适用（知识资源/本体，非患者级数据集）；覆盖 7,801+ OMIM 单基因疾病及 Orphanet/DECIPHER 罕见病，18,000+ 表型术语、156,000+ 疾病表型注解

JAX 维护、Monarch Initiative 旗舰产品：18,000+ 表型术语与 156,000+ 疾病表型注解的 OWL/OBO 本体，GA4GH 13 个 driver project 之一——罕见病诊断、表型语义相似度、LLM 表型 grounding 的公共知识底座

Human Phenotype Ontology 官方发布（hpo.jax.org）：本体文件 hp.obo/hp.owl/hp.json + 注解语料 phenotype.hpoa、genes_to_phenotype.txt、phenotype_to_genes.txt；含多语言译本与国际版 OWL 73

知识图谱药物发现与化学药物-靶点相互作用GWAS化学信息学评测基准

Hetionet — 整合性生物医学知识网络

人工标注原始数据文本挖掘衍生数据不适用——Hetionet 为知识图谱数据集（实体=节点、关系=边），不含任何个体患者记录；实体规模 47,031 节点（其中 Disease 137、Compound 1,552、Gene 20,9

Greene Lab（Casey S. Greene）与 UCSF Baranzini Lab 联合构建的异构生物医学知识图谱：11 类节点 47,031 个、24 类关系 2,250,197 条，整合 29 个公开数据库，CC0 公有领域发布，支撑 Rephetio 药物重定位预测与图谱机器学习教学（eLife 2017;6:e26726）

29 个公开数据库整合：DrugBank、ChEMBL、DrugCentral、BindingDB（化合物-靶点）、SIDER（副作用）、GWAS Catalog、DisGeNET、DISEASES（疾病-基因）、LINCS L1000（表达扰动）、GO、Reactome、KEGG、WikiPathways（功能与通路）、GTEx 等组织表达源、Human Interactome Database（蛋白互作）、NDF-RT（药物类别）→ 11 类节点 47,031 + 24 类关系 2,250,197 124

医学影像皮肤影像图像分类评测基准皮肤癌肿瘤学

DERM12345

公开数据集影像数据人工标注1,627 名患者（12,345 张图像；train 9,860 / test 2,485，按患者划分）

土耳其三机构跨 2008-2021 的 12,345 张皮肤镜图像集：5 super classes→15 main classes→40 subclasses 三级分类树，论文宣称 40 子类粒度属科学文献首次，CC BY 4.0 经 Harvard Dataverse 与 ISIC 双通道公开

土耳其三机构回顾性皮肤镜图像（Celal Bayar University Manisa / Istinye University / University of Health Sciences Haydarpasa Numune, Istanbul），MoleMax 3 / MoleMax HD / FotoFinder / 3gen DermLite DL4+iPhone 等设备，2008-2021，40 子类 + 11 项元数据 57

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。

医疗 AI-Ready 训练数据集库（上万即取即用）

按工程化层级：

数据标签

千方医数集 · 商业级 AI-Ready 数据集

乳腺钼靶影像与病灶标注数据集

眼底照相与 OCT 影像数据集

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

MIMIC-IV-Ext-ECG-Glucose — 12 导联 ECG 与实验室血糖时间配对数据集