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 1,883 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：

千方医数集 · 商业级 AI-Ready 数据集

官方自营 · 合规交易

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。

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。

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 1657 个数据集

公共卫生与流行病学公共卫生统计全球健康调查数据

GHDx — 全球健康数据的总目录与可获取性登记册

目录元数据混合数据类型不涉及患者个体（目录层，条目指向外部数据集）

16 类数据、200 余国家地区、四级获取门槛的健康数据索引

美国华盛顿大学健康测量与评估研究所（IHME）https://ghdx.healthdata.org 22

基因组学与多组学变异与注释知识图谱肿瘤学

Cellosaurus — 16.9 万细胞系的鉴定权威与误认档案

文本与本体数据人工标注不涉及患者个体（细胞系条目 169,026 个，含物种、性别、年龄与疾病标签）

16.9 万细胞系、904 物种、47 万条交叉引用的细胞系知识库

SIB 瑞士生物信息研究所 CALIPHO 组 https://www.cellosaurus.org 32

公共卫生与流行病学死亡登记公共卫生统计流行病学全球健康

HMD — 41 个国家的死亡率，能一路算到 1751 年

41 个国家地区回溯至 1751 年单岁年龄STMF 38 国周数据HCD 18 国死因CC BY 4.0需注册不适用（国家级聚合统计，非个体级记录；最小统计单元为年龄×年份×性别的暴露人年）

同一个方法协议做了 26 年：把各国统计局口径不一的出生数、死亡数、人口数，重建成年龄×年份×性别的单岁标准网格。瑞典那条序列从 1751 年开始，跨越 274 年没有断过——这是全人类最长的一条连续死亡记录

Human Mortality Database（MPIDR / UC Berkeley / INED） url: https://www.mortality.org/ 24

电子健康记录队列研究调查数据公共卫生与流行病学全球健康

SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺

28 个国家175,000 名受访者690,000 次访谈10 个波次22 年跨度21 项干血斑标志物四国行政记录链接严禁商用175,000（28 国 50 岁以上受访者；DBS 子样本约 27,000）

同一份问卷、同一套变量名、同一套缺失码，在 28 个国家问了 22 年：它让「德国的老人比意大利健康吗」这个问题第一次变得可以计算——而它最锋利的部分，是那 2.7 万份干血斑

SHARE-ERIC url: https://share-eric.eu/ 27

基因组学与多组学电子健康记录医学问答与基准

CPIC — 把基因型翻译成剂量的那一层

132 个基因324 种药物29 部指南2,115 条推荐112,820 条双倍型开放式 REST无需注册不适用（指南与推荐表，无真实患者记录）

132 个基因、324 种药、29 部指南、2,115 条推荐：它不做研究，只做一件事——把文献里的证据定级，然后落成一句「该加量、减量、还是换药」

[{'@type': 'DataCatalog', 'name': 'CPIC API', 'url': 'https://api.cpicpgx.org/v1/'}, {'@type': 'DataCatalog', 'name': 'ClinPGx（CPIC 现归属站点）', 'url': 'https://www.clinpgx.org/cpic'}] 51

基因组学与多组学医学问答与基准多模态

Rfam — 4,227 个 RNA 家族，每个家族一个协方差模型

4,227 个家族151 个 clan109,390 条种子序列协方差模型二级结构INFERNALCC0 许可不适用（RNA 家族模型库，无个体数据）

十个种子序列、一个协方差模型、一份共识二级结构：Rfam 是 RNA 世界的 Pfam，它不给你序列清单，给你的是「怎么在基因组里找出这个家族」的搜索器

[{'@type': 'DataCatalog', 'name': 'Rfam FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/Rfam/'}, {'@type': 'DataCatalog', 'name': 'Rfam 网站与 API', 'url': 'https://rfam.org/'}] 25

基因组学与多组学多模态医学问答与基准

RNAcentral — 六千万条非编码 RNA，四成是 rRNA

60,054,521 条序列56 个专家库113 万物种URS 统一标识MD5 去重rRNA 39.6%CC0 许可不适用（RNA 序列参考库，无个体数据）

60,054,521 条序列、56 个专家库、110 万个物种：它不产生数据，只做一件事——把同一个 RNA 分子在不同库里的十几个编号，归并成一个 URS

[{'@type': 'DataCatalog', 'name': 'RNAcentral API', 'url': 'https://rnacentral.org/api/v1/'}, {'@type': 'DataCatalog', 'name': 'RNAcentral FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/RNAcentral/'}] 28

神经科学多模态医学问答与基准

NeuroVault — 71 万张脑成像统计图，7.6% 的集合有 DOI

18,020 个集合715,894 张统计图18 个模板图谱99.5% 是统计图CC0 许可COBIDAS 元数据REST API 全开放不适用（组水平统计结果，非个体数据）。但注意：单被试统计图（抽样 7.6%）理论上在极端情况下可能含可识别信息，NeuroVault 未做去标识声明

18,020 个集合、715,894 张图、18 个模板图谱：这是全球最大的脑成像「结果图」公共库，存的是 z/t/F 值不是原始影像，也是「拿别人的结论当数据」最容易翻车的地方

[{'@type': 'DataCatalog', 'name': 'NeuroVault API', 'url': 'https://neurovault.org/api/'}, {'@type': 'DataCatalog', 'name': 'NeuroVault 网页检索', 'url': 'https://neurovault.org/images/'}] 28

基因组学与多组学公共卫生与流行病学微生物组多模态

ENA — 八十拍字节的核酸总账，四千万次测序的入口

1,098,568 项研究55,877,279 个样本44,433,186 次运行80.7 PBINSDC 欧洲节点四层记录模型FTP + Portal API开放下载不适用（通用序列档案）。但需注意：人类受控访问数据在 EGA（European Genome-phenome Archive），不在 ENA 公开层；ENA 公开层的序列不含可识别个人身份的信息，但部

1,098,568 项研究、55,877,279 个样本、44,433,186 次测序运行：INSDC 欧洲节点，从 1980 年的一条序列长到今天

[{'@type': 'DataCatalog', 'name': 'ENA FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/ena/'}, {'@type': 'DataCatalog', 'name': 'EBI Search（官方索引口径）', 'url': 'https://www.ebi.ac.uk/ebisearch/ws/rest/sra-run'}] 32

基因组学与多组学变异与注释多模态知识图谱

Alliance of Genome Resources — 九物种联盟，五成七是重复行

56,677,795 个实体1,909,959 条表型注释（去重后）51,188,465 条变异23.04 GB 下载9 个物种8 个成员库100% 挂 PMID开放 S3 桶不适用（模式生物参考库，无人类个体级记录；HUMAN 轴为基因-疾病注释，非队列数据）

56,677,795 个实体、1,909,959 条表型注释、23.04 GB 下载：八个模式生物库合并成一个库之后，字段统一了，语义没有

[{'@type': 'DataCatalog', 'name': 'Alliance of Genome Resources 下载站', 'url': 'https://download.alliancegenome.org/'}] 31

基因组学与多组学变异与注释知识图谱

IPD-IMGT/HLA — 免疫遗传学的命名权威

47,424 个等位基因346 MB 扁平文本CC BY-ND 许可季度更新免注册直下JSON API 无鉴权不适用（等位基因参考库，含 78,489 条细胞系记录，无患者级数据）

47,424 个官方命名的 HLA 等位基因：从 1998 年的 964 个到今天的超多态体系

IPD-IMGT/HLA（EMBL-EBI / Anthony Nolan Research Institute） url: https://www.ebi.ac.uk/ipd/imgt/hla/ 45

公共卫生与流行病学生物医学文献调查数据

Dryad — 论文附录数据的第一落点

65,786 个已发布数据集50,000,000+ 文件CC0 1.0 全库强制DOI 前缀 10.5061免注册直下JSON API 无鉴权不适用（通用存储库，收录 65,786 个独立数据集）

CC0 强制的通用数据存储库：2024/25 财年 65,786 个已发布数据集、5,000 万+ 文件、全部 DOI 化

Dryad Digital Repository url: https://datadryad.org 33

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。