即取即用的 AI-Ready 医疗数据集库

致力于为医疗 AI 研究人员找到合适的数据集。已收录 1,909 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：

官方自营 · 合规交易

千方医数集 · 商业级 AI-Ready 数据集

查看全部商业数据

影像服务最快 4 周

乳腺阳性影像数据集

乳腺钼靶阳性病例影像数据，覆盖肿块、钙化等典型征象，面向乳腺 AI 辅助筛查模型训练。

去商城获取 →

影像服务最快 4 周

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。

去商城获取 →

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 1664 个数据集

基因组学与多组学药物发现与化学

IntAct 分子相互作用数据库

178 万二元互作23,889 手工策划文献IMEx 联盟中枢CC BY 4.0PSI-MI 标准不适用（分子相互作用数据；无人类患者数据）

178 万二元互作 · 23,889 篇手工策划文献 · IMEx 联盟中枢：把 20 年蛋白互作文献变成机器可读的证据网络

https://www.ebi.ac.uk/intact 67

药物发现与化学医疗NLP化学信息学知识图谱药物-靶点相互作用

GtoPdb — 专家策展药理学知识库

3,118 个人类靶点13,591 个配体24,313 条相互作用22,064 条定量数据PostgreSQLCSVRDFJSON非患者数据：3,118 个靶点 / 13,591 个配体（release 2025.4）

3,118 个人类靶点 × 13,591 个配体的专家策展药理学相互作用知识库

国际基础与临床药理学联合会（IUPHAR）与英国药理学会（BPS） url: https://www.guidetopharmacology.org 83

基因组学与多组学医学影像分子性质预测测序数据病理图像肿瘤学

GDSC — 肿瘤药物敏感性基因组学

约 1,000 个癌细胞系模型GDSC1 403 药物GDSC2 297 药物累计 27 万+ 拟合药敏记录CSVXLSX 开放下载突变+表达+甲基化多组学约 1,000 个癌细胞系模型（细胞系资源，非患者队列）

1,000 细胞系 × 数百药物的癌症药理基因组学金标准资源

Wellcome Sanger Institute × Massachusetts General Hospital Cancer Center url: https://www.cancerrxgene.org/ 116

电子健康记录临床电子病历医疗登记真实世界数据队列研究

OpenSAFELY — NHS 全人群 GP 数据可信研究环境

约 5800 万患者覆盖联邦分析NHS 英格兰官方平台全部代码开源约 5800 万名患者

Bennett Institute for Applied Data Science, University of Oxford 87

医疗NLP多模态病理图像视觉问答评测基准

PathVQA — 病理视觉问答基准数据集

4,998 张病理图像32,799 条问答对约 785 MB ParquetMIT 许证开放下载不适用（图像源自出版教科书与 PEIR 公共数字图书馆，不含患者信息）

4,998 张病理图像、32,799 条问答对的病理 VQA 开放基准

UCSD-AI4H（加州大学圣地亚哥分校 / 卡内基梅隆大学 / 北京工业大学） url: https://github.com/UCSD-AI4H/PathVQA 68

多模态医疗NLP影像-文本对齐生物医学文献

PMC-OA — 百万级生物医学图文对数据集

1,646,592 图文对1,003,911 子图-子图注对齐对381,096 复合图注级对覆盖约 240 万篇 PMC 论文JSONL + 图像压缩包免费直接下载不适用（文献挖掘图像，非患者队列，未按患者计数）

165 万图文对，文献级生物医学多模态预训练语料，细粒度子图-子图注对齐

上海交通大学 Cooperative Medianet Innovation Center / 上海人工智能实验室（数据托管于 HuggingFace） url: https://huggingface.co/datasets/axiong/pmc_oa 71

医学影像医疗NLP视觉问答

VQA-RAD — 放射学视觉问答基准

315 张放射影像3,515 个问答对11 类问题类型CC0 1.0 开放获取约 40 MB 归档315 例教学病例（每图对应唯一患者）

315 张放射影像与 3,515 个临床医生问答对

U.S. National Library of Medicine（NIH）Lister Hill National Center for Biomedical Communications url: https://osf.io/89kps/ 69

电子健康记录医疗登记流行病学

Danish NPR — 丹麦国家患者登记

8,085,603 名累计登记者1,830 万+ 医院接触1977 年至今受控申请访问8,085,603 名累计登记者（1977-2012）

世界运行最久的全国性医院登记 · 1977 年至今 · 800 万+ 累计登记人口

Danish Health Data Authority (Sundhedsdatastyrelsen) url: https://sundhedsdatastyrelsen.dk 56

生理信号语音信号步态与运动

TORGO — 构音障碍语音与 EMA 构音轨迹数据库

约 23 小时 16 kHz WAV15 名说话人8 构音障碍 + 7 对照EMA 三维构音轨迹学术免费获取15 名受试者（8 构音障碍 + 7 对照）

15 名 CP/ALS 与对照说话人的声学 + EMA 双模态语音库

多伦多大学计算机系 & 言语语言病理学系 & Holland Bloorview 儿童康复医院 url: https://www.cs.toronto.edu/~complingweb/data/TORGO/torgo.html 81

医学影像基因组学与多组学病理图像蛋白质组学转录组

Human Protein Atlas — 人类蛋白组织表达图谱

>27,800 种抗体1,000 万+ 手动标注图像45 种正常组织 TMA9 大子库（v25）TSVXML 免费下载CC BY-SA 3.0约 300,000 个生物样本（v25，匿名化正常与疾病组织供体）

27,800+ 抗体、1,000 万张标注蛋白图像，覆盖 87% 人类蛋白编码基因

瑞典 KTH 皇家理工学院 & SciLifeLab（Knut and Alice Wallenberg 基金会资助） url: https://www.proteinatlas.org/ 60

生理信号公共卫生与流行病学语音信号COVID-19

Coswara — 新冠呼吸音众包数据集

2,635 名受试者9 类音频共 65 小时48 kHz WAVCC BY 4.0 开放获取2,635 名受试者（1,819 阴性 / 674 阳性 / 142 康复）

2,635 名受试者，65 小时 9 类新冠呼吸音

Indian Institute of Science (IISc), Bangalore url: https://coswara.iisc.ac.in/ 75

基因组学与多组学肿瘤学真实世界数据

AACR GENIE — 泛癌临床基因组真实世界注册库

289,000+ 测序样本242,000+ 患者20 家国际癌症中心MAFTSVBED 格式注册后开放获取每年两次发布24.2 万+ 名患者

28.9 万+ 测序样本的泛癌临床基因组真实世界注册库

美国癌症研究协会（AACR） url: https://aacrprojectgenie.org/ 79

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。