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 1801 个数据集

医学影像CT多模态挑战赛数据集评测基准真实世界数据

OSIC Pulmonary Fibrosis Progression

影像数据临床数据原始数据时序数据训练集 176 患者（train.csv 1549 行）；公开测试集 5 患者；隐藏测试集约 200 患者（公私合计约 200，15:85 拆分）

OSIC 联盟 2020 年 Kaggle 肺纤维化进展预测挑战赛数据集——176 例训练患者的基线胸部 CT + 用力肺活量（FVC）纵向随访，任务是用影像与临床元数据预测肺功能下降轨迹并给出置信度，评测采用修正拉普拉斯对数似然（mLLL）

OSIC Pulmonary Fibrosis Progression 竞赛数据集（Kaggle 2020）：基线胸部 CT DICOM（train/ + test/ 患者文件夹）+ train.csv/test.csv（Patient/Weeks/FVC/Percent/Age/Sex/SmokingStatus 共 7 列）+ sample_submission.csv，共 34,290 文件 23.99 GB 45

医学影像X光影像医学图像分割挑战赛数据集评测基准

SIIM-ACR Pneumothorax Segmentation

人工标注影像数据原始数据12,047 张唯一胸片（UUID 匿名化患者，未披露患者级数量）；掩码 12,954 个（阳性 2,669 / 阴性 9,378）

2019 Kaggle 气胸像素级分割竞赛数据集：12,047 张 NIH 胸片 + RLE 掩码，1,475 队竞逐 mean Dice，原始 GCP 通道已下线、竞赛规则禁再分发，AI-Ready 光谱上「技术可用、治理受限、存续脆弱」的典型样本

SIIM/ACR/STR/MD.ai 基于 NIH 公开胸片数据的增强标注（augmented annotations）；交付形态 DICOM 1,024×1,024 灰度 + RLE 相对编码掩码（无气胸记 -1） 42

医学影像CT医学图像分割目标检测神经科学心血管疾病

LargeIA

影像数据人工标注原始数据1,338 例内部 CTA（1,489 个 IA）+ 外部 A 71 例 + 外部 B 67 例；合计 1,476 例 CTA / 1,640 个 IA

贵州六院联盟 1,338 例颅内动脉瘤 CTA 的大规模分割数据集——GLIA-Net 全局定位+局部分割双通路，配套医师人机协同临床实验；数据需机构邮箱邮件申请、非商业用途

贵州省六院联盟 + 两家外部医院的 3D CTA 扫描（11 台设备/三厂商，层厚 0.6/0.625/0.75/1.0 mm）+ 每例体素级动脉瘤分割掩码（ITK-SNAP 手工标注）+ 年龄/性别/是否破裂结构化字段 38

生理信号心电信号心血管疾病评测基准多模态

EchoNext: A Dataset for Detecting Echocardiogram-Confirmed Structural Heart Disease from ECGs — ECG 波形筛查结构性心脏病

生理信号原始数据标注数据100,000 条 12 导联 ECG（源于 Columbia + Allen 医院，成人 ≥18 岁，2008-2022；val/test 仅保留每位患者最新一条 ECG；具体患者数未在页面披露）

Columbia 团队 10 万条 12 导联心电图配对超声确认的结构性心脏病标签——用廉价心电信号替代昂贵超声做大规模 SHD 筛查，配套 Columbia Mini-Model 权重与 IntroECG 开源代码，Nature 2025 主论文验证 AI 超越心脏病专家

GE MUSE 心电管理系统导出的 12 导联 ECG 波形（250 Hz，10 秒，形状 N×1×2500×12）+ 人口学与 ECG 表格特征（N×7）+ 超声心动图衍生特征与 ≥中等严重度 SHD 复合二元标签（shd_moderate_or_greater_flag），来自 Columbia University Irving Medical Center 2008-2022 年成人配对临床数据 44

多模态视觉问答医学问答评测基准

ReXInTheWild

人工标注影像数据原始数据受试者人数未披露（484 张照片中含患者与健康人，无个体标识与人口学字段）；955 道多选题 / 471 图 × 2 题 + 13 图 × 1 题 / 源自 381 篇 PMC 文献

哈佛 Rajpurkar 组的医学照片理解统一基准——484 张源自 PMC 文献的'野外'普通照片配 955 道两阶段临床医生审核的多选题，覆盖七临床主题，通用旗舰模型 68-78% 而医疗专用 MedGemma 仅 37%，CC BY-NC-ND 3.0 HuggingFace 公开直链

BIOMEDICA（CVPR 2025，PMC-OA 非商用 Natural Images 切片）随机采样 32,982 张 → GPT-5 两步视觉过滤 → 484 张医学照片；GPT-5 生成 1,086 道候选题 → 两阶段临床医生审核 → 955 题；data/qa.csv（12 字段）+ data/images/ 484 张 jpg（共 52,947,394 字节） 44

医疗NLP医学问答与基准评测基准医学问答

Claimify

人工标注原始数据6,490 个标注句子（396 个 LLM 回答 / 393 个唯一问题；不涉及患者级数据）

Microsoft Research 提出的 LLM 主张抽取方法 Claimify 的官方配套标注数据集——6,490 句 Copilot 问答输出句子级二分类标注（59.1% 含可验证事实主张），CDLA-Permissive-2.0 于 HuggingFace 公开直链，配套 ACL 2025 主会四阶段流水线论文

Microsoft Copilot（新 Bing）实际问答输出句子，派生自 Li et al. Self-Checker（NAACL 2024 Findings）396 条回答语料的句子级二次标注；单文件 CSV 五列 answer_id/question/sentence_id/sentence/contains_factual_claim，2,258,269 bytes 53

医疗NLP临床文本关系抽取电子健康记录肿瘤学乳腺癌

CORAL

人工标注文本数据基准数据40 份专家标注进展笔记（20 乳腺癌 + 20 胰腺癌，UCSF 2012–2022）+ 200 份 GPT-4 自动标注（每病种 100 份）；患者级唯一数量未单独披露

UCSF 40 份乳腺癌与胰腺癌进展笔记的专家级深标注肿瘤信息抽取基准——59 实体/23 属性/26 关系 schema、9028 实体/9986 修饰符/5312 关系人工注释，外加 200 份 GPT-4 自动标注扩展与 GPT-4/GPT-3.5-turbo/FLAN-UL2 八任务零样本评测

UCSF Information Commons 去标识肿瘤内科进展笔记（2012–2022，Philter 去标识+日期按患者级随机偏移）+ BRAT standoff 人工深标注（.txt/.ann 成对）+ GPT-4 自动标注 CSV + subject-info.csv 人口学表 + BRAT 配置四件套 59

医疗NLP临床文本生物医学文献医学问答医学考试评测基准

ApolloCorpus

模型生成文本数据清洗数据3,741,196 条文档（纯文本语料，无患者级数据）

深圳大学 FreedomIntelligence 团队发布的六语言（en/zh/es/fr/pt/hi）医疗 LLM 预训练+SFT 混合语料：374 万文档、预训练部分 2.5B tokens、首创 QA-Augmented Pre-training 与 Priority sampling，Apache-2.0 于 HuggingFace 公开

九类医疗文本（Books/Papers/Encyclopedias/Dialogues/Exams/Guidelines/medicalWiki 多语言版）加通用文本（Web/General/Math/Code），叠加 ChatGPT 改写的 QA-Augmented 扩展与 11 个开源上游数据集 37

生理信号心电信号医学图像分割心血管疾病评测基准

Lobachevsky University Electrocardiography Database — 200 条 12 导联 ECG 逐导联 P/QRS/T 人工分界验证库

人工标注原始数据信号数据200 条记录来自 200 名受试者（1 记录/人；年龄 11 岁至 >89 岁，平均 52 岁；85 女 115 男）

罗巴切夫斯基大学心电图数据库 LUDB：200 条 10 秒 12 导联 ECG、500 Hz、58429 个逐导联人工标注波形（16797 P / 21966 QRS / 19666 T），8 大类多类多标签诊断，ODC-By 1.0 于 PhysioNet 完全开放直链——专为 ECG 波形分界（delineation）算法提供无缺口黄金标准

PhysioNet 托管的 WFDB 格式 ECG：200 条 10 秒 12 导联记录，每条含 .hea 头文件 + .dat 信号文件 + 12 个逐导联标注文件（.i/.ii/.iii/.avr/.avl/.avf/.v1-.v6，标注 P/QRS/T 边界与峰值）+ ludb.csv 聚合患者信息表 52

生理信号心电信号可穿戴传感心血管疾病多模态

CardioWave-Portable — 便携式 ECG+PPG 无袖带血压估计数据集

原始数据波形数据人工标注977 名成人受试者（女 664 / 男 302 / 缺失 11；年龄均值 48.27 岁、SD 15.79、范围 18–90+）；3,849 条波形记录

哈尔滨工业大学团队 2026 年在中国嫩江三级医院采集的 977 名成人 3,849 条同步单导联 ECG 与 PPG 24 秒波形记录，配 OMRON 袖带收缩/舒张压标签、信号质量标注与问卷元数据，PhysioNet 凭据受限访问，用于无袖带血压估计的可复现基准

PhysioNet 凭据受限数据库 cardiowave-portable v1.0.0（DOI 10.13026/yasp-vq73）；哈尔滨工业大学经济与管理学院团队采集于 2026 年中国黑龙江嫩江三级医院 111

多模态手术视频生理信号队列研究评测基准

VISEM — 人类精子显微视频多模态数据集（85 人/研究用途）

视频数据生理信号原始数据85 名男性（≥18 岁；每人收录 1 段显微视频）；部分受试者录制两段但因样本漂移仅保留一段

挪威 SimulaMet 与 OsloMet 发布的 85 名男性精子显微视频 + 精液分析 + 脂肪酸 + 性激素 + 人口学五模态开放数据集，人类生殖领域首个开放多模态数据集，MediaEval 2019 Medico 任务官方基准，35.2 GB 直链下载、CC BY-NC 4.0（仅限研究与教育用途）

85 段精子显微 AVI 视频（640×480@50fps，400× 放大，Olympus CX31，2-7 分钟/段，>35 GB）+ 6 个 CSV（精液分析/精子脂肪酸/血清磷脂脂肪酸/性激素/人口学/视频映射）+ 描述文件；Zenodo visem-dataset.zip 35.2 GB（md5 c4ab1788457fa3395d94bb643559f6c5） 44

医学影像皮肤影像医学图像分割图像分类挑战赛数据集皮肤癌

ISIC 2018 Challenge

影像数据人工标注竞赛数据Task 3 训练集 10,015 张（= HAM10000 全集，含多图同病灶，用 lesion_id 追踪）；精确患者数论文未单列（遗留疑点）

ISIC 第 3 届皮肤病变分析挑战赛：三任务（边界分割/属性检测/疾病分类）共 12,500+ 图，分类任务训练集即 HAM10000 全集 10,015 张；冠军 balanced accuracy 0.885，Lancet Oncology 读片研究证实 139 个算法整体超越 511 名人类读者

ISIC 2018 官方发布的三任务数据包：Task1/2 训练 2,594 图 + 12,970 分割掩码/属性掩码 + 验证 100 + 测试 1,000（CC-0）；Task3 训练 10,015 图（= HAM10000）+ 7 类 GT CSV + 测试 1,512 + validation；图像来自 HAM10000（维也纳 ViDIR + 昆士兰 Rosendahl）与 MSK 69

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。