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 343 个数据集

医学影像病理图像医学图像分割图像分类

DeepUTI — Urine Microscopy Open Dataset — 尿液显微七分类细胞注释数据集

影像数据人工标注像素级标注300 例患者（300 份自然排尿样本，mean 42±15 岁，95.1% 女性）；300 张图像；3,562 个手工标注细胞

300 张自然排尿未染色明场显微图 + 3,562 个手工像素级标注细胞（七类：Rod/RBC-WBC/Yeast/Miscellaneous/Single EPC/Small EPC sheet/Large EPC sheet）——为尿道感染（UTI）深度学习诊断测试奠基，RODARE 数据集先行（2023-09-12）论文后置（Sci Data 2024），CC-BY-4.0 开放直链，GitHub casus/UMOD 配 MIT 代码

英国伦敦 Whittington Health NHS Trust LUTS 专科门诊的症状性 UTI 患者自然排尿样本（2022-04 至 2022-08 采集），Olympus BX41F 明场显微镜 + ×20 物镜 + Infinity 3S-1UR 彩色相机 + C Chip™ 血细胞计数板，16-bit 彩色 1392×1040 TIFF；含 img/ bin_mask/ mult_mask/ 三目录各 300 文件 36

医学影像图像分类心血管疾病评测基准

TMED-2

人工标注影像数据原始数据599 studies（577 unique patients，全标注集）；view_labeled_set 705 studies/703 patients；unlabeled_set 5,486

塔夫茨医学超声心动图主动脉瓣狭窄分级数据集第二版——599 研究/577 患者全标注 2D TTE 灰度图，112×112 PNG，含 353,500 张无标注图像，半监督学习与多实例学习的医学影像标杆基准

Tufts Medical Center 常规诊疗采集的 2D 经胸超声心动图（TTE）去标识帧，112×112 PNG 灰度图；视图标签 5 类（PLAX/PSAX/A2C/A4C/Other），AS 严重度标签 5 级映射 3 类；官方划分 360 train/119 valid/120 test 41

医学影像病理图像医学图像分割评测基准肿瘤学

NuInsSeg — 多器官 H&E 核实例分割数据集

人工标注影像数据原始数据665 张 512×512 patch，取自 31 张 WSI（23 类人类组织与 8 类小鼠器官各 1 张；人类组织来自成人教学档案，患者级数量未披露）

665 张 512×512 H&E 组织学 patch 携 30,698 个逐核手工实例标注，覆盖 23 个人类器官与 8 个小鼠器官；首创全量 ambiguous area mask 与 10 种衍生掩膜，六模型 Dice/AJI/PQ 基准随数据开源发布

MedUni Vienna 病理生理与过敏研究所机构库 WSI（切片标本出自解剖与细胞生物学中心教学库，Adolf Ellinger 提供），TissueFAXS v6.0 扫描 2048×2048 FOV（Plan-Neofluar 40×/0.75 NA、8-bit RGB）选 665 个裁 512×512，ImageJ freehand 逐核描边，MATLAB 2020a 生成 10 种衍生掩膜 54

语音信号医疗NLP神经科学神经退行性疾病阿尔茨海默病评测基准

DementiaBank English Pitt Corpus — 语音阿尔茨海默检测的事实标准语料库

人工标注音频数据原始数据官网分组口径 104 controls / 208 dementia / 85 unknown diagnosis（共 397 条分组记录，含纵向多次访问，非唯一人数）；ASR 口径 292 名参与者

匹兹堡大学 1983-1988 年阿尔茨海默纵向研究的语音遗产：约 33 小时访谈音频加 CHAT 逐句转写，Cookie Theft 图片描述为主任务，经 CMU TalkBank 会员制发放四十年，孵化 ADReSS 与 ADReSSo 两个国际挑战赛（百度研究院夺魁 ADReSS），是语音自动痴呆检测论文引用最密集的语料库

Univ. of Pittsburgh Alzheimer and Related Dementias Study 1983-1988 纵向采集：访谈音频约 33 小时（292 参与者，另有降噪版）+ CHAT 转写 500 条（243 control + 257 dementia）+ Cookie Theft 描述、Word Fluency、Story Recall、Sentence Construction 四任务 + @ID 头嵌诊断与 MMSE + PItt-data.xlsx 人口学表 34

生理信号脑电信号脑机接口评测基准神经科学

Mother of All BCI Benchmarks — 脑机接口算法可复现性聚合基准

原始数据基准数据算法评测论文口径 36 个公开数据集覆盖被试约 1,000+ 人次（逐数据集 4-109 被试不等；框架当前口径 160 个数据集条目 #Subj 求和 3,627，含同源拆分重复计，不作唯一被试总数）

EEG 领域迄今最大规模的 BCI 算法基准框架——把 36 个公开数据集（MI 14 / P300 15 / SSVEP 7）用统一接口装载、30 条机器学习流水线（Raw 11 + Riemannian 13 + DL 6）统一评价、统计元分析汇总，得出「Riemannian 几何在数据稀缺区间全面领先深度学习」的可复现结论

聚合式：MOABB Python 框架（pip install moabb）统一装载 36 个公开 EEG 数据集（2024 论文口径；框架已扩至 160 条目），含 MI 14 / P300 15 / SSVEP 7，经 30 条流水线（Raw 11+Riemannian 13+DL 6）在同一 within-session 协议下评测；数据本体不集中托管，按各源下载器从 PhysioNet/OpenNeuro/Zenodo 等逐一获取（逐数据集许可各异，明细见附录） 50

医学影像MRI脑影像医学图像分割图像分类脑肿瘤

BRISC — 脑肿瘤 T1 MRI 分割与分类专家标注基准

人工标注影像数据原始数据6,000 张 T1 加权 MRI 切片（5,000 训练 / 1,000 测试）；因原始集无患者元数据，切片级患者独立性无法保证，患者数未披露

6,000 张对比增强 T1 脑 MRI 的四类（胶质瘤/脑膜瘤/垂体瘤/无肿瘤）像素级专家掩码数据集——由公开分类集经放射医师与医师逐图复核重建，配套 Swin-HAFNet 多任务基线（加权 mIoU 82.4%、分类准确率 99.63%），CC BY 4.0 公开

Kaggle「Brain Tumor MRI Dataset」（Nickparvar 2021，原始 7,023 张，合并 Figshare/SARTAJ/Br35H）——经 T1 筛选、标签纠错、去重、标准化后为 6,000 张，叠加放射医师与医师用 AnyLabeling 逐图复核的像素级二值分割掩码；四类 glicoma/meningioma/pituitary/no_tumor 42

医学影像X光影像目标检测图像分类评测基准

Dental OPG XRAY Dataset — 达卡三诊所 232 张全景牙片六类病理检测基准

人工标注影像数据原始数据增强数据232 名参与者（男+女，年龄 10 岁以上）；232 张原始全景片；六类实例合计 1204（Table 1）

孟加拉 AIUB 团队采集的六类牙科病理全景片数据集——232 张手机翻拍 OPG（龋齿/阻生/感染/折裂/崩解冠根/健康牙）+ 目标检测与分类双组织，CVAT 双牙医标注，YOLOv7 基线 mAP50 93.54，Mendeley CC BY 4.0 公开

达卡三诊所（Prescription Point / LabAid / Ibn Sina）232 张牙科全景片（OPG），Samsung A52 64MP 手机翻拍，16:9、中位 1176×603 px、JPG；CVAT 边界框 + JSON 标签 + 0–5 label map；CLAHE + Roboflow 增广（640×640）；分检测集（232 原始+604 增强）与六类分类集 51

医学影像MRI脑影像医学图像分割评测基准

MR-ART — 同一批 148 人配对静止与运动伪影 T1 脑 MRI 数据集

影像数据原始数据人工标注148 名健康成人（95 女 / 53 男；年龄 18-75 岁，中位 25.16 岁，IQR 10.50 岁）；每人 3 套扫描（STAND/HM1/HM2，8 人 HM1 或 HM2 之一缺失）

同一批 148 名健康成人、每人三套 T1 结构脑 MRI（静止 STAND / 轻度点头 HM1 / 重度点头 HM2）的配对运动伪影数据集——附带 MRIQC 图像质量指标与两位神经放射科医师的临床可用性评分，CC0 公共领域于 OpenNeuro 公开直链，是运动伪影校正与脑 MRI 质控算法的真实世界验证标准

OpenNeuro ds004173（BIDS 组织的 T1w 3D MPRAGE 结构脑 MRI，1mm³ 各向同性）+ MRIQC v0.16.1 图像质量指标（SNR/EFC/CJV）+ 两位神经放射科医师 3 分制临床伪影评分（scores.tsv）+ participants.tsv（年龄/性别） 48

医学影像手术视频内窥镜影像医学图像分割目标检测挑战赛数据集

PhaKIR — 腹腔镜胆囊切除三任务联合标注（相位+器械关键点+实例分割）多机构视频数据集

视频数据人工标注影像数据8 段完整手术视频（对应 8 例手术；患者级人口学信息未披露）；机构：TUM Rechts der Isar 6 + Heidelberg 1 + Weilheim-Schongau 1

8 段完整腹腔镜胆囊切除视频、3 家德国医院、同一批序列上联合标注 8 相位 × 19 器械类实例分割 × 2-4 关键点，Zenodo 受限申请制分发、CC BY-NC-SA 4.0，EndoVis 2024 子挑战

8 段腹腔镜胆囊切除术完整视频（MP4, 25 fps, 1920×1080）+ 相位 CSV + 关键点 JSON + 器械实例分割 PNG 掩码 + 剪切索引 CSV，源自 TUM/Heidelberg/Weilheim 三家德国医院，由 ReMIC Lab 组织标注 35

医学影像X光影像医学图像分割评测基准肺癌

CheXlocalize

人工标注影像数据原始数据700 患者（val 200 + test 500）；902 张胸片（val 234 + test 668）

斯坦福 AIMI 托管的胸片病灶定位标注集——2 名放射科医师 18/27 年经验对 CheXpert val/test 902 张逐像素勾画 643 条分割，度量 7 种 saliency 方法定位能力的老牌基准，代码由哈佛 Rajpurkar Lab 维护

CheXpert val/test 派生胸片 902 张 + 放射科医师像素级轮廓标注（643 条 val 分割，RLE 编码）+ test 集 human benchmark 分割与最代表点 + val 集 DenseNet121 Grad-CAM 热图 47

医学影像MRI医学图像分割目标检测评测基准

Prostate158

人工标注影像数据原始数据158 例（train 139 + test 19，患者级不重叠；其中 102 确诊前列腺癌 + 56 对照，年龄 69±9 岁，35–84 岁）

柏林夏里特医学院（Charité Berlin）单中心专家标注前列腺 3T bpMRI 数据集——158 例（102 确诊前列腺癌 + 56 对照），T2w + 高 b 值 DWI/ADC，解剖分区分割（central gland + peripheral zone）与 PI-RADS ≥4 病灶检测双任务标注，ITK-Snap 双 Reader 流水线，U-ResNet 基线分区分割 Dice 0.877、病灶分割 Dice 0.453

Siemens VIDA 与 Skyra 3.0T 采集的前列腺 bpMRI（T2w：0.47×0.47 mm 面内 / 3 mm 层厚 / FOV 180×180 mm；DWI：b=0,100,500,1000 s/mm²，ADC 图由 b100–b1000 计算），NIfTI 轴向序列，统一重采样与中心裁剪；标注为 T2w 三类解剖分区掩膜（背景 / central gland / peripheral zone）+ PI-RADS ≥4 病灶逐层勾画（三序列参照） 55