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 1788 个数据集

医学影像眼科影像医学图像分割时序数据青光眼

GRAPE — 青光眼纵向视野与眼底随访多模态数据集

影像数据临床文本原始数据144 名青光眼患者（263 眼 / 1115 次随访记录，2015–2022）

浙大二院眼科中心 263 眼 1115 次随访的纵向青光眼真实世界进展评估集成：视野+眼底彩照+OCT+眼压多模态，视盘/视杯分割与三种视野进展判定标注，CC0 公开

浙江大学医学院附属第二医院眼科中心 2015–2022 年青光眼门诊与随访真实世界数据：Octopus 900 视野（61 点）+ 非散瞳眼底彩照 631 张（三款相机三档分辨率）+ CIRRUS OCT RNFL 厚度 + IOP/CCT 临床信息 + 视盘/视杯分割标注 44

医学影像病理图像图像分类肿瘤学评测基准

ALL-IDB — 急性淋巴细胞白血病血涂片图像数据库

影像数据原始数据人工标注来源患者数未披露；图像级 108（ALL-IDB1）+ 260（ALL-IDB2），其中 ALL-IDB1 含 59 张无母细胞图 + 49 张至少一母细胞图，ALL-IDB2 为 130 ALL +

外周血涂片显微镜图像上做 ALL 母细胞分割与分类的 2011 年开山基准——ALL-IDB1 108 张全涂片切片+约 39,000 血液元素+510 个完整描述的淋巴母细胞，ALL-IDB2 从其 ROI 裁剪出 260 张居中单细胞，米兰大学请求制发放、严禁诊断用途

外周血涂片光学显微镜图像（JPG，24-bit，2592×1944，Canon PowerShot G5 拍摄）：ALL-IDB1 108 张整幅图（采集于 2005 年 9 月，放大 300-500×，含约 39,000 血液元素与 510 个完整描述的淋巴母细胞，逐图配 .xyc 母细胞质心文件）+ ALL-IDB2 从其裁剪的 260 张居中单细胞图（约 257×257） 49

医学影像病理图像图像分类肿瘤学评测基准

Mendeley LBC — 印度三中心液基细胞学宫颈癌多分类图像数据集

影像数据原始数据人工标注460 名接受宫颈筛查的女性受试者（963 张图像，按 TBS 四类均摊不均）

印度阿萨姆三中心真实临床液基细胞学 Pap 涂片图像数据集——963 张图/460 名受试者，按 The Bethesda System 分 NILM/LSIL/HSIL/SCC 四类，CC BY 4.0 于 Mendeley Data 公开，是宫颈细胞学 AI 分类研究最常引用的 LBC 基准之一

印度东北部三中心真实临床液基细胞学（LBC，SurePath 法）宫颈 Pap 涂片——Babina Diagnostic（Imphal）、Dr. B. Borooah 癌症研究所（Guwahati）、Gauhati 医学院及医院（Guwahati）；Leica DM 750 + ICC50 HD，400×，2048×1536 JPG；专家按 TBS 分 NILM/LSIL/HSIL/SCC 四类 43

医学影像病理图像目标检测图像分类肿瘤学

Cervix93 — 宫颈 Pap 涂片细胞学核点检测基准

影像数据原始数据人工标注未披露（93 帧来源玻片总数与患者数均未公开，仅知玻片来自 Moffitt Cancer Center 档案 ThinPrep 涂片，存照）

显微镜下宫颈 Pap 涂片核点检测数据集：93 张扩展景深 EDF 图（1280×960、40×）与 1602 帧焦平面堆叠、2705 个手工核中心点、Bethesda 三分类（Negative/LSIL/HSIL），附灰度形态学基线与 CNN 基准（test F 值 0.878），Moffitt Cancer Center ThinPrep 玻片 Stereologer 采集，arXiv:1811.09651 发布、未正式发表、无 license 声明

Moffitt Cancer Center（Tampa, FL）档案 ThinPrep 巴氏染色涂片（Dr. Siegel 提供），Stereologer 系统 40× 显微采集 93 个焦平面堆叠（每堆叠 10-20 帧），经 Bradley & Bamford 2004 小波法合成为 93 张 1280×960 EDF 图，逐核手工标注 2705 个核中心点坐标 59

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 57

医学影像病理图像图像分类评测基准乳腺癌肿瘤学

IHC4BC — 从 H&E 形态学预测乳腺癌 ER/PR/HER2/Ki67 状态的配对图像数据集

人工标注影像数据原始数据50 例连续未选择乳腺癌穿刺活检（2022 年采集）；231 对 WSI（ER 59 / PR 60 / Ki67 60 / HER2 52）；92,769 个 H&E↔IHC patch 对 = 1

2022 年 50 例连续穿刺活检、231 对 WSI 配准出 92,769 对 3000×3000 patch；标签不是病理读片而是 StarDist 核分割加 DAB 定量的图像分析产物；ViT 灰区协议达约 90% AUC 而弱监督 CLAM 全线失效；CC BY-NC-SA 4.0 经 pcloud、Kaggle、GitLab 三通道发布

50 例乳腺癌穿刺活检的 H&E 与 Ki67/ER/PR/HER2 IHC 相邻切片（Aperio GT 450 扫描 40X），人工区域配准后以步长 1500 切为 3000×3000 patch 对；CSV 逐核 DAB 定量标签（StarDist 分割+颜色反卷积）+ 人工 a/0/d 逐对检查标注 59

基因组学与多组学变异与注释测序数据知识图谱药物-靶点相互作用肿瘤学

OncoKB — 全球首个获 FDA 认可的肿瘤体细胞变异临床注释知识库

人工标注文本数据知识库数据知识库条目而非患者级数据集：1,033 genes / 11,515 alterations / 143 cancer types / 171 drugs（2026-10-03 官网口径）；注释体系经

MSK 维护的精准肿瘤知识库：1,033 基因 / 11,515 体细胞变异 / 143 癌种 / 171 药物的循证注释，Levels of Evidence 七档体系与 AMP/ASCO/CAP 共识 1:1 对齐，2021 年获 FDA partial recognition，学术免费、商业合同制，REST API 与签约 JSON 快照双通道获取

OncoKB 官方策展知识库（MSK Kravis 分子肿瘤中心 CGAC 委员会治理）：同行评审文献策展 + MSK-IMPACT 临床测序实践 + FDA/NCCN 监管与指南扫描三源汇流，按 Levels of Evidence 七档循证定级 42

医学影像PETCT多模态肿瘤学

Head-Neck-PET-CT — 蒙特利尔与舍布鲁克四中心 298 例头颈癌治疗前 PET/CT 影像组学合集 — 1615 特征×三特征组×复发/转移/生存三终点基准

影像数据原始数据人工标注298 例头颈癌患者（论文口径 300；TCIA 收录 298，2 例因影像错误剔除）；训练 194（HGJ 92+CHUS 102）+ 测试 106（HMR 41+CHUM 65）

Vallières 团队 2017 年发布于 TCIA 的头颈鳞癌影像组学基准：298 例患者 72.46GB DICOM（CT/PT/RTSTRUCT/RTDOSE/RTPLAN/REG 六模态），配 CC BY 3.0 临床结局与 GTV 轮廓表、GNU GPL 特征提取源码；GTV 原发灶+淋巴结双 ROI，1-5mm 五档体素×2 量化×4 灰阶共 40 参数组合提取每模态 1615 特征，局部区域复发/远处转移/总生存三终点基线 AUC 0.69/0.86

TCIA 收录四中心治疗计划期 PET/CT 影像组学合集：CT/PT/RTSTRUCT/RTDOSE/RTPLAN/REG 六模态 DICOM（2,661 序列 / 123,271 幅图像 / 72.46GB，扫描窗 2006-04 至 2014-11）+ 临床结局 XLS + GTV 轮廓 XLS + 特征提取源码压缩包 38

医疗NLP知识图谱药物发现与化学药物-靶点相互作用公共卫生与流行病学COVID-19

Drug Repurposing Knowledge Graph — AWS 与明尼苏达等四方共建的药物重定位知识图谱：97,238 实体与 587 万三元组整合六大数据库直击 COVID-19 老药新用

原始数据文本数据知识图谱97,238 个生物医学实体（基因 39,220、化合物 24,313、疾病 5,103、副作用 5,701 等 13 类）；无患者级个体数据

Drug Repurposing Knowledge Graph——AWS AI labs、明尼苏达大学、俄亥俄州立大学与湖南大学 2020 年联合发布的综合生物医药知识图谱，把 DrugBank、Hetionet、GNBR、STRING、IntAct、DGIdb 六大公开数据库与 COVID-19 文献抽取三元组归一整合为 13 类实体、107 种关系，配套 TransE_l2 400 维预训练 embedding 与 DGL-KE 工具链，开源后成为药物重定位研究的标准底座之一

DrugBank、Hetionet、GNBR、STRING、IntAct、DGIdb 六大公开数据库整合 + COVID-19 相关近期出版物文献抽取三元组（GNBR 团队 bioRxiv 2020.03.11.986836 口径）；发放形态：drkg.tsv 三元组主表 + entity2src.tsv 实体-来源映射 + relation_glossary.tsv 关系词表 + TransE_l2 400 维预训练 embedding 与四套分子 GNN embedding 44

医学影像内窥镜影像手术视频图像分类目标检测

LapGyn4 — 妇科腹腔镜图像四任务基准：手术动作、解剖结构、动作-解剖对应与器械计数，AAU Klagenfurt 从 500+ 台手术提取 59,621 张图

人工标注影像数据原始数据500+ 台妇科腹腔镜手术（患者数未披露）；v1.2 共 59,621 张图像（21 类），v1.0 为 55,872 张

LapGyn4 是 Alpen-Adria 大学 ITEC 与 Ulm 医学院发布的妇科腹腔镜图像数据集（The ITEC LapGyn4 Gynecologic Laparoscopy Image Dataset），从 500+ 台手术视频提取 59,621 张图（v1.2），拆为手术动作、解剖结构、部位动作判别、器械计数四个子集，配套 5-fold 划分（仅 v1.0）与首个 baseline，CC BY-NC 4.0 仅供科研

500+ 台妇科腹腔镜手术视频（视频来源：Prof. Dr. Jörg Keckstein，University Ulm Medizinische Fakultät）中提取的静态图像帧，辅以 Instrument Count 子集部分提取自 Cholec80 胆囊切除术视频的图像；标注为图像级类别标签（目录结构承载，无像素掩码、无时序标注、无边界框） 33

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 38

医疗NLP医学问答评测基准临床文本

cMedQA v2.0 — 中文社区医疗问答匹配数据集

原始数据文本数据108,000 个问题 / 203,569 条回答（Train 100,000/188,490、Dev 4,000/7,527、Test 4,000/7,552）；提问者与回答者均匿名化，无个人信息

国防科技大学团队从寻医问药网采集的中文医疗问答答案选择基准——v1.0 字符级多尺度 CNN（Appl. Sci. 2017）到 v2.0 多尺度注意力交互网络 MPAN（IEEE Access 2018），108,000 问配 203,569 答、候选池机制产生任务标签，2017-2020 年中文医疗问答匹配事实标准评测集，reranker 时代仍在活跃服役

寻医问药网（xywy.com）在线健康社区真实问答：用户提问 + 认证医生回答，匿名化后发布；questions.csv 与 answers.csv 全量文本，外加 train/dev/test_candidates.txt 三个划分文件；GitHub zhangsheng93/cMedQA2 公开 58

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。