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。

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 1196 个数据集

多模态基因组学与多组学医学图像分割公共卫生与流行病学

BioStudies：EMBL-EBI 的通用研究归档底座

元数据原始数据链接补充材料多组学不适用（记录级归档库，无统一患者计数）

341.99 万条记录 / ArrayExpress 8.10 万研究 / 三种接入方式

https://www.ebi.ac.uk/biostudies/ 8

医学影像眼科影像图像分类医学图像分割儿科评测基准

早产儿视网膜影像数据集：188 个婴儿的 ROP 筛查与 6,004 张眼底图

影像数据人工标注原始数据188 名新生儿（94 女 / 94 男）

六千余张眼底图 / 188 名新生儿 / 三台相机 / CC0

https://www.kaggle.com/datasets/jananowakova/retinal-image-dataset-of-infants-and-rop 6

药物发现与化学化学信息学基因组学与多组学知识图谱

Rhea：18,611 条手工审编的生化反应知识库

人工标注本体与词表结构化数据不适用（非患者级数据）

ChEBI 本体 / 四向标识 / is_a 层级 / CC BY 4.0

https://ftp.expasy.org/databases/rhea/ 6

医学影像CT医学图像分割肿瘤学多模态影像

CancerVerse：1.46 万人随访 14 年的多癌种 CT 筛查集

原始影像人工标注配对报告临床变量14,599 名患者 / 24,422 份 CT / 22,344 次检查

24,422 份 CT / 13 类肿瘤体素标注 / 报告+病理+临床变量

https://huggingface.co/datasets/BodyMaps/CancerVerse 6

医疗NLP电子健康记录临床文本时序数据

MIMIC-IV-Ext-22MCTS：2,258 万条临床事件时间序列

衍生数据结构化标签时序数据267,284 份出院小结，溯源至 145,915 名患者（MIMIC-IV-Note v2.2 口径）

26.7 万份出院小结 / 2,258 万事件 / 平均 84 条一份 / 无金标准

https://physionet.org/content/mimic-iv-ext-22mcts/1.0.0/ 10

公共卫生与流行病学公共卫生统计调查数据卫生服务研究

ENPD 2018 — 阿根廷全国残疾人群画像调查的微观数据

个体级微观数据抽样调查重复权重设计82,327 条个体记录，加权代表 39,922,669 人；其中 6 岁及以上有功能困难者 3,571,983 人

82,327 份个体记录 / 39,922,669 人加权 / 300 组 bootstrap 权重

INDEC 微型数据文件库 https://www.indec.gob.ar/indec/web/Institucional-Indec-BasesDeDatos ；国家开放数据门户 https://datos.gob.ar/dataset/estudio-nacional-sobre-el-perfil-de-las-personas-con-discapacidad-2018 6

基因组学与多组学蛋白质组学药物-靶点相互作用

MEROPS — 把蛋白酶切了什么、切在哪记下来的库

酶分类体系切割位点表序列比对库不涉及患者数据；记录对象是蛋白质序列、切割事件与化合物

277 个家族 / 114 万个序列编号 / 91 次切割的位点偏好

欧洲分子生物学实验室-欧洲生物信息学研究所（EMBL-EBI）https://www.ebi.ac.uk/merops/ 11

基因组学与多组学变异与注释测序数据

BioSamples — 5,610 万条生物样本元数据的中枢登记处

样本元数据结构化注释表不直接涉及患者个体；但 56M+ 样本中包含大量人类样本（taxId 9606），其 age、cell_type、disease 等字段属可识别性敏感信息，使用须评估

把分散在 ENA、NCBI、ArrayExpress 的样本记录按一个键聚合，每条最多 50 个特征字段

欧洲分子生物学实验室-欧洲生物信息研究所（EMBL-EBI）https://www.ebi.ac.uk/biosamples 9

基因组学与多组学单细胞基因组学转录组

Single Cell Expression Atlas — 正迁往 FENIX 的单细胞重处理库

表达矩阵细胞类型注释样本注释表不直接涉及患者个体；样本级元数据含年龄、性别、疾病、组织部位等公开信息

384 个实验、1,537 万个细胞，31% 有细胞类型标签；2026 年 11 月起分批迁移

欧洲分子生物学实验室-欧洲生物信息研究所（EMBL-EBI）https://www.ebi.ac.uk/gxa/sc 16

单细胞基因组学转录组药物发现与化学评测基准基因组学与多组学

Tahoe-100M — 亿级单细胞药物扰动图谱：50 癌系 × 379 化合物

原始数据实验数据公开数据不适用：全部为 50 个商品化癌细胞系（47 个进入下游分析），非患者样本；单细胞数 95,624,334

Tahoe Therapeutics × Arc Institute × Parse Biosciences 用 Mosaic 平台把 50 个癌细胞系混养在「cell village」中同步给药 24 小时，得到 95,624,334 个通过全过滤的单细胞转录组；CC0-1.0 全量开放于 HuggingFace，FASTQ 因 125 TB 体量与 Parse 合同限制不公开

Mosaic 平台（Parse Biosciences GigaLab 组合条形码 + Ultima Genomics UG-100 测序）生成的 14 块 96 孔板共培养球体体系；表达矩阵以稀疏 token 形式存为 Parquet，配套 5 张元数据表与 1 张伪 bulk 差异表达表 49