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。
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 2,214 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。
需要注册级、带专家标注的合规可交易临床数据？ 前往医疗数据商城 →
按工程化层级：
数据标签
千方医数集 · 商业级 AI-Ready 数据集
官方自营 · 合规交易眼底照相与 OCT 影像数据集
同一受检者眼底彩照与 OCT B-scan 成对交付，配检查报告整页与结构化结论字段，报告即图文配对凭证。
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。
提交定制需求共 1930 个数据集
公共卫生与流行病学调查数据公共卫生统计真实世界数据
USDA FoodData Central
美国农业部食品数据中心——五大数据类型统一门户（Foundation Foods/SR Legacy/Survey Foods/Experimental Foods/Branded Foods），公有领域 CC0，免费 API 与 CSV 全量下载，全球营养研究与膳食评估的金标准参考库
多模态医学影像医学图像分割图像分类医疗NLP
MedTrinity-25M — 2500 万级多粒度标注医学多模态数据集
UCSC-VLAA 与华中科技大学等联合构建的超大规模医学多模态图像-感兴趣区-描述三元组数据集：2500 万幅图、10 种模态、65 种疾病，自动流水线产出病灶级多粒度文本标注，无需人工配对报告，支撑 ICLR 2025 论文与 LLaVA-Tri 基础模型
医疗NLP临床文本电子健康记录临床电子病历评测基准
MedSecId — 临床笔记章节识别标注语料
首个大规模公开的临床笔记章节识别（Section Identification）语料——2,002 份 MIMIC-III 临床笔记逐句标注 50 种章节类型，由 2 名主治医师与 1 名高年资住院医标注，Krippendorff α 达 0.84-0.87，BiLSTM-CRF 基线 Micro F1 达 0.955；标注文件 Zenodo 公开，笔记原文需 PhysioNet 凭证
生理信号可穿戴传感时序数据真实世界数据评测基准
ShanghaiT1DM & ShanghaiT2DM — 上海糖尿病动态血糖数据集：真实生活 CGM 与称重饮食记录
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
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
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
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
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
医疗NLP生物医学文献关系抽取药物安全命名实体识别知识图谱
DDI Corpus — 药物相互作用抽取黄金语料
UC3M+DFKI 手工标注的 1,025 篇 DrugBank 专论与 Medline 摘要语料——18,502 个药理学实体、5,028 条 PK/PD 药物相互作用，SemEval-2013 Task 9 DDIExtraction 官方黄金标准，学术研究免费
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
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
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
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
医学问答与基准医疗NLP生物医学文献多模态临床文本
MMedC — 255 亿 token 多语言医学预训练语料
上海交大「Towards Building Multilingual Language Model for Medicine」官方预训练语料——六主语言（HF 实挂八语言）255 亿 token、四类来源（CommonCrawl 过滤/教材 OCR/医学网站/小规模语料）、CC BY-NC-SA 4.0 无门禁公开，配套 MMedBench 基准与 MMed-Llama 3 系列模型
公共卫生与流行病学药物发现与化学化学信息学药物安全知识图谱
EPA CompTox Chemicals Dashboard — 137 万化学品毒理与暴露信息聚合门户
美国 EPA 计算毒理学与暴露中心（CCTE）打造的化学品信息「一站式门户」：以 DSSTox 身份体系（DTXSID/DTXCID）为骨架，聚合 ToxCast 体外生物活性、ToxValDB 毒性值、ToxRefDB 动物毒性、CPDat 用途、OPERA 预测等 20 余个数据源，覆盖 1,376,722 种化学品，全部美国政府公共领域开放数据；本文厘清「门户 ≠ 单一数据集」的边界，并给出 API 只读取数与批量下载的实操路径
药物发现与化学化学信息学药物-靶点相互作用虚拟筛选分子对接知识图谱
TCMBank — 全球最大免费中医药关系型数据库
9191 种草药、61965 种成分、15179 个靶标与 32529 种疾病构成六对异质关系网络——中山大学陈语谦团队以 IDIM 智能文献识别+两次人工验证持续更新，并提供 mol2 三维结构支撑虚拟筛选与集成学习药物重定位
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。