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 2,043 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 1813 个数据集

医学影像X光影像挑战赛数据集图像分类

SPR 胸片年龄性别推断挑战赛 — 两万六千张胸片反推你是谁

原始影像人工标注元数据文献引用不适用（官方未公开患者数；影像规模约两万六千张）

巴西圣保罗放射学会 × AWS / 2.6 万张胸片 / 影像可识别性实证

https://www.kaggle.com/competitions/spr-xray-age-prediction 18

基因组学与多组学转录组单细胞基因组学多模态

三维空间组学的切片合成派 — 78 万倍 z 轴落差的真相

原始数据链接多组学元数据本体映射不适用（以数据集为单位：72 套，其中人类 30 套）

72 套数据集 / 88 万级位点 / 坐标只有两层 z 值

http://so3d.bio-database.com/ 21

医学影像CT医学问答与基准视觉问答肿瘤学

腹部 CT 肿瘤三维问答基准 — 两名放射科医生都只答对一半

人工标注配对报告元数据原始影像9,262 个 CT 体积（训练池八千三百余例 + 基准 991 例，官方称同一批 AbdomenAtlas 病例）

438K QA 对 / 3D 体积 / 42 个临床亚型

https://huggingface.co/datasets/tumor-vqa/DeepTumorVQA_2.0 21

医学影像CT病理图像肿瘤学

肿瘤影像的一座整库 — TCIA 的两百余个 collection

原始影像元数据人工标注文献引用不适用（整库层无统一病例数；各 collection 独立计数，最大单集合两万余例）

240 个 collection / 逐集许可 / 逐集 DOI

https://www.cancerimagingarchive.net/collections/ 24

医学影像MRI脑影像医学图像分割

脑 MRI 的预训练语料 — FOMO300K

原始影像元数据原始数据链接文献引用三十万张级扫描 / 五万余受试者（官方口径，数据卡未公布这两项）

三十万张级扫描 / 三十余个来源 / 只做方向对齐的原始 NIfTI

https://huggingface.co/datasets/FOMO-MRI/FOMO300K 22

公共卫生与流行病学真实世界数据药物安全卫生服务研究

英格兰每家诊所的处方账本 — OpenPrescribing

元数据原始数据链接文献引用本体映射不适用（聚合数据，覆盖英格兰六千余家 GP 诊所的全部门诊处方）

GP 诊所逐月处方 / BNF 五级编码 / OGL 开放下载

https://openprescribing.net/ 26

基因组学与多组学医学问答与基准公共卫生与流行病学

Gene2Phenotype — 3,856 条基因病关联的置信度分级

人工标注元数据本体映射文献引用不适用（关联级数据库，无个体患者）

7 个疾病面板 / 3,170 个基因 / 六级置信度

https://www.ebi.ac.uk/gene2phenotype/ 31

医学影像影像-文本对齐评测基准临床文本

ReXVal：放射报告六类错误的医师计数标注

胸部X光报告生成错误标注多标注者人工评测50

五十项检查、四份高分候选报告、六位执业放射科医生，按六类错误逐个计数并区分临床意义，这份阶梯式样本把「报告哪错了」从一句评语变成可加总的向量

MIMIC-CXR（BIDMC，贝斯以色列女执事医疗中心） 29

医学影像CT图像分类临床文本影像-文本对齐

RAD-ChestCT — Duke 万例级胸部 CT 配完整放射报告与 83 标签矩阵

人工标注影像数据文本数据19,993 名患者 / 36,316 个 CT volume（公开子集 3,630 volumes；test 划分 7,209 volumes，患者级无泄漏）

Duke 2012-2017 年 19,993 名患者 36,316 例平扫胸部 CT 配 336,800 份独特放射报告——SARLE 双医师结构化标注框架派生 83 标签矩阵，CT-Net83 多标签基准平均 AUROC 0.773，Zenodo 请求制加公开子集 3,630 例

Duke University Health System 2012-01 至 2017-04 平扫胸部 CT（12 台 GE/Siemens 扫描仪；原始 DICOM 9.2 TB，SimpleITK 重采样 0.8mm 各向同性后 2.8 TB npz）+ 336,800 份独特放射报告原文 + SARLE 双医师结构化标注派生 83 标签矩阵 44

医学影像影像-文本对齐评测基准临床文本

ReFiSco：放射报告错误严重度的医师盲评集

胸部X光报告生成人工评测错误标注多标注者60

四名执业放射科医生对六十项检查的三来源报告逐行打分与改写，五级错误量表源自 RADPEER，三十四页数据只回答一个问题：自动指标与人类判断到底差多远

MIMIC-CXR（BIDMC，贝斯以色列女执事医疗中心） 23

医学影像X光影像医疗NLP临床文本影像-文本对齐

CheXpert Plus — 带放射报告文本的胸部 X 光多模态数据集

223,462 张胸片187,711 份报告64,725 名患者研究用途协议47 项 DICOM 元数据64,725 名患者

223,462 张胸片 · 187,711 份放射报告 · 6.47 万名患者 · 从图像标签走向图文对齐的下一代 CheXpert

Stanford AIMI（斯坦福医学与影像人工智能中心）× VinBrain url: https://aimi.stanford.edu/datasets/chexpert-plus 80

医疗NLP临床文本医学影像医学问答与基准

ReXPref-Prior 胸片报告先验幻觉偏好数据集

衍生数据文本数据自动生成标注24,462 份报告对应的 MIMIC-CXR study（患者数未单独披露，继承母库口径）

基于 MIMIC-CXR 的句级偏好对数据集——GPT-4 改写胸片报告中的先验检查指称，配合同名方法论文以直接偏好优化抑制报告生成模型的先验幻觉行为

MIMIC-CXR v2.0.0 报告文本（findings 与 impression 节）+ GPT-4 句级改写；CSV 字段 orig_sentence/new_sentence/section/sentence_id/study_id 16

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。