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

乳腺钼靶影像与病灶标注数据集

四体位乳腺钼靶 DICOM 影像，配病灶检出框与像素级分割掩膜，标签按 BI-RADS 术语组织。

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

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/ 48

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 41

神经科学生理信号脑电信号多模态

SpikeInterface — 细胞外电生理统一分析框架

MIT 许可58 个 PyPI 版本23 个 spike sorter17 个外部 sorter4 个内部 sorter0.105.3 当前版Python 3.10+10 种以上格式0

23 个 spike sorter、一个接口，和两次让旧代码全部失效的版本变更

ETH Zurich、University of Edinburgh、CNRS Lyon、Flatiron Institute、Allen Institute for Brain Science 等机构联合开发；代码托管于 github.com/SpikeInterface/spikeinterface；发布渠道 PyPI 35

神经科学生理信号脑电信号多模态

IBL Brain-Wide Map — 小鼠全脑决策活动图谱

12 个实验室139 只小鼠459 个 session699 次探针插入62.2 万个单元7.5 万个良品单元279 个脑区AWS 公开桶0

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

国际脑实验室（International Brain Laboratory）联合建设，12 个实验室贡献数据；存储由 AWS Open Data 计划承担（桶 ibl-brain-wide-map-public，us-east-1）；访问入口 internationalbrainlab.org 37

神经科学生理信号电子健康记录多模态

DANDI Archive — 神经电生理数据联邦档案库

NWB 格式BIDS 格式OME-Zarr上千个 dandisets版本化数据集CC-BY-4.0元数据 CC0单文件 5 TB 上限embargo 6 个月0

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

美国 BRAIN Initiative 资助；分布式档案库由劳伦斯伯克利国家实验室、MIT、CatalystNeuro 等机构联合建设；存储由 AWS Open Data 计划承担；访问入口 dandiarchive.org 41

生理信号脑电信号癫痫队列研究

EPILEPSIAE — 欧洲癫痫长程脑电数据库

长程脑电监测颅内脑电发作预测四段时刻标注空间扩散标注症状学描述表面与颅内双模态术前评估275

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

德国弗莱堡大学医院癫痫中心、葡萄牙科英布拉大学医院、法国巴黎 Pitié-Salpêtrière 医院；欧盟第七框架计划 EPILEPSIAE 项目（Grant 211713）资助；现行由弗莱堡大学医学中心 Campus Technologies Freiburg 运营 41

生理信号脑电信号癫痫评测基准

TUSZ — 坦普尔大学医院癫痫发作脑电语料库

癫痫发作检测长程脑电事件级标注类别失衡跨中心泛化BIDS 格式临床脑电基准评测675

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

美国天普大学（Temple University）电气与计算机工程系神经工程数据联盟（NEDC）；天普大学医院 2002–2017 年归档临床脑电；天普大学 IRB 批准，按 HIPAA 去除 18 类标识符 43

电子健康记录临床电子病历医疗NLP临床文本医学问答与基准评测基准

SimSUM — 结构化表格×GPT-4o 临床笔记的合成临床信息抽取基准

合成数据文本数据结构化表格人工标注机器标注10,000 条虚构患者就诊记录（全合成，无真实患者）；每条含 1 份正常笔记 + 1 份精简笔记

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

专家定义的 16 节点贝叶斯网络采样出结构化表格（症状/诊断/基础疾病/非临床/治疗/结局），GPT-4o 依据症状与基础疾病生成临床笔记，再由 GPT-4o 抽取症状 span 并经文本匹配校正 40

医学问答与基准评测基准药物安全医疗NLP

RxQA

文本数据标注数据评测集无真实患者数据（题面为药师改写的合成病例情境）；600 题 = OpenFDA 300（美）+ BNF 300（英）；开源半区实测长题干（>400 字符）198 道

Google Health 药物知识问答基准——Gemini 1.5 Flash 起草、8 名 board-certified 执业药师修订与五档难度评级，600 道四选一 MCQ（OpenFDA 300 开源 + BNF 300），高难度题 AMIE 准确率反超 21 名初级保健医生，Nature 正刊发表

OpenFDA 结构化产品标签（美国药品说明书，SPL）+ BNF 英国国家处方集；Gemini 1.5 Flash 起草 → 闭卷过滤 → 每辖区抽 100 short + 200 long → 8 名 board-certified 执业药师（美英各 4）修订与五档难度评级 48