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：

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。

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

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 1930 个数据集

医学问答与基准医学问答评测基准医疗NLP临床文本公共卫生与流行病学

HealthBench — OpenAI 医疗对话评测基准

文本数据人工标注基准数据不适用（非患者级数据；5,000 段构造/采集并脱敏的开放式健康对话，含个体用户与医护人员两类 persona）

262 位执业于 60 国的医生手写 48,562 条 rubric 标准，为 5,000 段多轮健康对话逐题打分——OpenAI 用「医生出题、模型评分」把医疗 LLM 评测从选择题推向开放式临床对话，MIT 许可全量公开

5,000 段多轮健康对话（个体用户 ⇄ 模型 / 医护人员 ⇄ 模型）+ 48,562 条对话专属医生撰写 rubric 评分标准；变体 Consensus 3,671 例 / Hard 1,000 例；数据托管于 HuggingFace openai/healthbench（MIT）与 GitHub openai/simple-evals 87

基因组学与多组学蛋白质组学变异与注释知识图谱药物发现与化学肿瘤学

PhosphoSitePlus — 人鼠翻译后修饰位点策展金标准，60 万+ PTM 位点

人工标注知识库原始数据非患者数据（分子/蛋白层级知识库）：59,432 蛋白、600,632 PTM 位点（官网快照）

CST 自 2001 年手工策展、NIH 资助的系统生物学资源：以 59,432 蛋白 / 600,632 翻译后修饰位点 / 29,658 篇文献构成磷酸化-泛素化-乙酰化等 PTM 的知识底座，非商业学术免费（CC BY-NC-SA），是激酶-底物富集分析（KSEA）最常用的金标准库

近 10,000 篇期刊论文手工策展（480+ 期刊）+ CST 未发表 MS2 数据 + 公开蛋白序列；覆盖 human/mouse 及 27 物种 57

基因组学与多组学蛋白质组学知识图谱药物-靶点相互作用生物医学文献评测基准

BioGRID — 生物交互数据库

人工标注知识库原始数据不适用（分子实体级数据库：93,373 唯一基因/蛋白，非患者数据）

专家人工策展的蛋白-遗传-化学交互仓库：2,364,201 条非冗余互作、84,000+ 篇原始文献、80+ 策展物种，以实验证据优先与二元关系模型对照 STRING 的计算预测与 IntAct 的 IMEx 精细策展

BioGRID 月度策展更新（当前 5.0.262）：蛋白/遗传/化学互作 + PTM 位点 + ORCS CRISPR 筛选；下载格式含 tab2/tab3、PSI-MITAB、PSI-MI XML、JSON 77

生理信号语音信号调查数据公共卫生与流行病学儿科

Bridge2AI-Voice Pediatric Dataset — 首个儿科嗓音生物标志物旗舰数据集

原始数据派生特征问卷数据300 名 2-18 岁儿童（SickKids 单站点）；23,533 段录音（v1.1.0）

NIH Bridge2AI 项目下首个儿科嗓音数据集：300 名 2-18 岁儿童、23,533 段录音的派生音频特征与表型数据；SickKids 单站点采集、年龄分层协议、注册凭证访问（DUA）

PhysioNet b2ai-voice-pediatric v1.1.0：features 派生音频特征（torchaudio 谱图/Mel 谱图/MFCC/pitch、sparc EMA/响度/周期性/pitch、ppgs）+ phenotype 表型问卷 + metadata 录音元数据（Parquet + TSV，经 b2aiprep 库导出） 59

生理信号语音信号儿科多模态队列研究评测基准

BABYCRY-UJM-AXA — 1,000 名足月新生儿哭声声音库

原始数据音频数据真实世界数据1,000 名足月新生儿（1,040 名入组，40 名在记录日未哭）；日龄 15.81–141.60 小时

圣艾蒂安大学 ENES 团队在产科病房连续高保真录音，用主动学习+集成方法自动抽取 107,312 条哭声序列——迄今全球最大婴儿哭声音频库，CC BY 公开 81 GB，配音 176 个声学描述子，服务神经发育风险早筛

产科病房连续高保真录音（44,100 Hz / 32-bit）+ 主动学习与集成方法自动抽取的 107,312 条哭声 .wav + metadata.csv（人体测量学/孕产史/分娩情境 + 176 声学描述子）+ code.zip（Python 管线 + R 技术验证） 65

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 83

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） 88

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 122

医学影像乳腺影像医学图像分割图像分类肿瘤学

QAMEBI — 乳腺病灶 B 超图像＋放射科医师手绘掩码开源库

人工标注影像数据原始数据232 例乳腺病灶（123 恶性／109 良性；患者数为 232 例近似 1 病灶／例，论文未单列独立患者数）

232 例组织病理确诊的乳腺超声病灶（123 恶性／109 良性），每例三份条目（原图＋GT 掩码＋融合图），伊朗・土耳其・马来西亚三国产学多中心，CC BY 4.0 免费开放下载——乳腺 B 超分类与分割研究的轻量级「金标准＋掩码」双重入口

伊朗・土耳其・马来西亚三国产学多中心乳腺 B-mode 超声（Aixplorer Ultimate／Supersonic Imagine）；232 例组织病理确诊病灶；每例三份条目（原图＋放射科医师手绘 GT 分割掩码＋融合图），Bitmap 格式 64

医学影像CT医学图像分割目标检测挑战赛数据集肿瘤学

ULS23 通用病灶分割挑战赛 — 胸腹盆 CT 三维通用病灶分割基准

影像数据人工标注分割掩码挑战赛数据训练集 38,693 病灶（胸腹盆 CT）；公开测试集 775 病灶 / 284 患者（Radboudumc 368/152pt + JBZ 407/132pt）；最终测试 725 病灶/268 患者

Radboudumc DIAG 主导的 ULS23 挑战赛与基准数据集——复用 DeepLesion 750 病灶并新标注骨 744/胰腺 124，聚合 10 个公开数据集共 38,693 病灶，测试集 775 病灶，CC BY-NC-SA 4.0，基线 nnUnet 半监督 Dice 0.703

复用 DeepLesion 测量信息并由学生三重分割取多数（DeepLesion3D 743-750 病灶）+ Radboudumc 资深放射科医生分割的骨 697-744 与胰腺 120-124 新标注 + 聚合 KiTS21/LiTS/NIH-LN/LIDC-IDRI/LNDb/MDSC 等公开数据集 47

医学影像MRI骨骼肌肉影像医学图像分割挑战赛数据集

SPIDER — 腰椎 MRI 分割多中心数据集与公开基准

人工标注影像数据原始数据公开 218 名患者 / 447 个 MRI series（218 studies）；全量采集 257 studies / 544 series（含 39 studies 隐藏测试集）

荷兰四院 218 患者 447 矢状位 T1/T2/T2-SPACE 腰椎 MRI 的椎骨-椎间盘-椎管三层参考分割 + 七类退变分级（Modic/Pfirrmann 等）+ 隐藏测试集上的 SPIDER Grand Challenge 公开基准

荷兰四家医院多中心腰椎矢状位 MRI（216 MB 级 images.zip 3.7GB + masks.zip 58.2MB）+ .mha 3D 体数据与同名分割掩膜 + overview.csv + radiological_gradings.csv；Retrieved from https://zenodo.org/records/8009679 56

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 71

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。