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

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/ 18

电子健康记录队列研究调查数据公共卫生与流行病学基因组学与多组学

Add Health — 2 万个美国青少年，从 12 岁追到 44 岁

90,118 份校内问卷20,745 人家访6 波随访32 年跨度干血斑生物标志物DNA 甲基化双轨访问禁 LLM 使用20,745（Wave I 家访全样本；公开版子样本 6,504）

1994 年在 145 所中学里问出 9 万份问卷，抽 2 万人做家访，然后每 5–7 年回去一次，一直到 2025 年他们 44 岁——这不是一个数据集，是一代人被反复测量的三十年

Carolina Population Center, UNC-Chapel Hill url: https://addhealth.cpc.unc.edu/ 23

医疗NLP生物医学文献知识图谱命名实体识别公共卫生与流行病学

Europe PMC — 4,911 万条生命科学文献，1.3 亿条机器标注

4,911 万条文献1,244 万条全文835 万条开放获取13 亿条标注34 个预印本服务器开放式 REST无需注册不适用（文献书目库，个体患者数据仅以论文内聚合形式出现）

它不是 PubMed Central 的欧洲镜像：多了预印本、专利、Agricola，多了一整套资助方反查，还多了 13 亿条文本挖掘标注——这是目前唯一能「按钱查论文、按论文查数据」的公开文献基础设施

Europe PMC（EMBL-EBI） url: https://www.ebi.ac.uk/europepmc/webservices/rest/ 24

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'}] 31

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/'}] 18

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/'}] 19

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/'}] 19

基因组学与多组学药物发现与化学多模态

Complex Portal — 两万个蛋白复合物，写着每个零件有几个

20,580 个蛋白复合物27 个物种化学计量PSI-MI 标准人类 2,436 个FTP 全量 TSVXMLWeb Service 单条 JSON不适用（蛋白复合物参考目录，无个体层级数据）。疾病关联字段指向的是孟德尔遗传病与肿瘤，不是患者个体

20,580 个复合物、27 个物种、人类占 2,436 个：这是目前唯一一个把「化学计量」写进数据的蛋白机器目录，也是 STRING 与 IntAct 都缺的那一层

[{'@type': 'DataCatalog', 'name': 'Complex Portal Web Service', 'url': 'https://www.ebi.ac.uk/intact/complex-ws/'}, {'@type': 'DataCatalog', 'name': 'Complex Portal FTP', 'url': 'https://ftp.ebi.ac.uk/pub/databases/intact/complex/current/'}] 32

公共卫生与流行病学基因组学与多组学多模态微生物组

GBIF — 四十亿条物种出现记录，七成七是动物，一成二是公民科学

3,983,162,286 条出现记录124,867 个数据集3,651 个发布机构48,872,354 个物种Darwin Core 标准169 个参与节点API 全开放不适用（物种出现记录，无人类个体数据）。但需注意：濒危物种的精确坐标可能被用于盗猎或非法采集，GBIF 对敏感物种提供坐标模糊化机制

3,983,162,286 条记录、124,867 个数据集、48,872,354 个物种：这是全世界最大的生物多样性出现记录网络，也是唯一一个靠博物馆标本和手机照片共同撑起来的库

[{'@type': 'DataCatalog', 'name': 'GBIF API', 'url': 'https://api.gbif.org/v1/'}, {'@type': 'DataCatalog', 'name': 'GBIF 数据集检索', 'url': 'https://www.gbif.org/dataset/search'}] 19

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'}] 19

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/'}] 26

基因组学与多组学变异与注释公共卫生与流行病学微生物组

BV-BRC — 一千七百万个病原基因组，九成是病毒

17,061,503 个基因组8,955,936,565 条基因组特征869,000,661 条专项基因17,634,751 条 AMR 记录免注册 APIFTPS 分发持续更新不适用（病原基因组库，无个体患者记录；含 2,237,561 条监测样本与 148,106 条血清学结果，但不含可识别个人身份的信息）

17,061,503 个基因组、89.6 亿条注释特征、8.69 亿条专项基因：NIAID 把细菌与病毒两个数据库焊在一起之后，数据长成了什么形状

BV-BRC（Bacterial and Viral Bioinformatics Resource Center，University of Chicago） url: https://www.bv-brc.org/ 23

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。