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。
数据标签
共 1199 个数据集
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 次测序运行：INSDC 欧洲节点，从 1980 年的一条序列长到今天
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、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
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、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
MGI — 小鼠成为人类疾病模型的那本账
75,252 个基因、141,808 个突变等位基因、415,358 条表型注释：一个只服务一个物种、却支撑半个生物医学的知识库
IPD-IMGT/HLA — 免疫遗传学的命名权威
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
Dryad — 论文附录数据的第一落点
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
SpikeInterface — 细胞外电生理统一分析框架
23 个 spike sorter、一个接口，和两次让旧代码全部失效的版本变更
IBL Brain-Wide Map — 小鼠全脑决策活动图谱
12 个实验室、139 只小鼠、69.9 万次探针插入，拼出一张全脑活动图
DANDI Archive — 神经电生理数据联邦档案库
它不是一个数据集，是上千个数据集的容器。首页写着一千零五十九个、九百二十二太比特，同一个站的 API 却报九百三十八、一千二百零九；四个官方来源给出四个规模数字。这个库真正值得学的是它怎么把「版本」和「许可」做成硬约束
EPILEPSIAE — 欧洲癫痫长程脑电数据库
三家医院、二百七十五名术前监测患者、四万五千小时连续脑电。它比此前所有公开脑电库加起来大两个数量级，却从不免费——按数据集个数分档售卖，两万五千欧元起。这份数据库真正稀缺的不是规模，是把一次发作拆成四个时刻的那种标注方式
TUSZ — 坦普尔大学医院癫痫发作脑电语料库
一万六千小时的临床脑电里，只有百分之零点二的片段装着发作。为了把这些片段挖出来，一群工程师用关键词、商业软件和自研模型三方交叉筛了一遍，最后留下 675 名患者、1,476 小时、4,029 次发作
SimSUM — 结构化表格×GPT-4o 临床笔记的合成临床信息抽取基准
一万条初级保健呼吸病例：专家贝叶斯网络采出 16 个表格变量，GPT-4o 据此写出双版本临床笔记（正常版与精简版），再用 LLM 反抽 4.2 万个症状 span——把「表格背景知识能否补文本之不足」变成可复现的对照实验
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。
