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 1812 个数据集

医疗NLP临床文本医学问答评测基准知识图谱

QiZhenGPT — 启真医学中文医疗指令微调数据集

真实对话模板生成文本数据约 1,038K 条指令样本（560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板；另有 740K 训练用量口径待核）；公开可下载仅 sft-20k.json 抽样（20,000 条

浙江大学计算机创新技术研究院可计算医学知识研究组（CMKRG）2023 年开源的中文医疗大语言模型配套指令数据集——560K 真实医患问答 + 180K 药品模板 + 298K 疾病模板共约 1038K 条样本，衍生 QiZhen-LLaMA / QiZhen-Alpaca / QiZhen-CaMA 三模型家族，GPL-3.0 开源，94 种药品知识评测显著超越同代 ChatGPT

启真医学知识库（浙大计算机创新技术研究院）三源构成：真实医患对话/在线问诊记录清洗 560K + 药品说明书结构化字段模板化 180K + 疾病知识条目模板化 298K；完整数据无公开直链，仅 sft-20k.json 抽样经 ModelScope 公开 52

医学影像图像分类评测基准挑战赛数据集肿瘤学心血管疾病

EchoRisk — 多中心纵向超声心动图心脏毒性数据集

影像数据视频数据原始数据人工标注422 乳腺癌患者（Tasks 1/2 队列）+ 280 患者基线子集（Task 3）；共 2,159 个超声视频 / 1,123 次检查

首个带显式治疗诱发心脏毒性标签的多中心纵向超声心动图数据集与 MICCAI 2026 挑战基准——422 乳腺癌患者/2,159 视频/5 时间点，三任务与近随机的心脏毒性预测开放难题

EU Horizon 2020 CARDIOCARE 前瞻性多中心研究（Grant No. 945175）派生的去标识 DICOM 超声心动图，五欧洲站点采集，含 A4C/A2C 双视图 cine、LVEF/GLS 临床测量与专家裁定的心脏毒性标签，明细见正文附录 A 44

医学影像MRI医学图像分割挑战赛数据集评测基准肿瘤学

TrackRAD2025

人工标注影像数据原始数据585 名患者（477 未标注 + 108 逐帧手工标注）；280 万+ 未标注 cine-MRI 帧；1 万+ 标注帧（另约 8000 帧多观察者标注）；公开数据约 206 GiB（未标注 ~200

MICCAI 2025 挑战赛的首个公开多机构 MRI-linac cine-MRI 实时肿瘤追踪数据集——6 国中心 585 名患者 280 万+ 帧矢状位 2D cine-MRI，477 例未标注支撑预训练、108 例逐帧标注支撑追踪评测，冠军方案 MedSAM2 半监督微调 Dice 0.8909

6 个国际中心（3 荷兰、1 德国、1 澳大利亚、1 中国四川）在 0.35T ViewRay MRIdian 与 1.5T Elekta Unity MRI-linac 放疗疗程中采集的矢状位 2D cine-MRI 序列（.mha 格式，1-8 Hz）+ 逐例 JSON 元数据（场强/帧率/扫描区域）+ 首帧模板肿瘤分割与逐帧标注掩码 44

医学影像CT医学图像分割图像分类心血管疾病儿科

ImageCHD — 首个先心病三维CT分类数据集·110例心脏CT与7类亚结构分割

影像数据人工标注原始数据110 例 3D CT（患者年龄 1 个月-40 岁，绝大多数 1 个月-2 岁）

ImageCHD：首个面向先天性心脏病分类的公开三维 CT 影像数据集——110 例心脏 CT、7 类心脏亚结构分割标签、16 类 CHD 诊断标签，MICCAI 2020 会议论文发布，Kaggle 公开可下载（8.94 GB）

Siemens Biograph 64 扫描仪采集的 110 例先天性心脏病（CHD）心脏三维 CT 图像（512×512×(129-357)，典型体素 0.25×0.25×0.5mm³）+ 7 类心脏亚结构分割标签（LV=1/RV=2/LA=3/RA=4/Myo=5/AO=6/PA=7）+ 16 类 CHD 诊断分类标签 38

基因组学与多组学单细胞基因组学转录组测序数据

CZ CELLxGENE Census — 版本化云端单细胞语料与程序化查询 API

原始数据云端数据版本化LTS 2025-11-08：217M+ 总细胞、125M+ 去重细胞（is_primary_data=True）、1,845 个源数据集、5 物种（人/小鼠/狨猴/恒河猴/黑猩猩）

CZI 把 CELLxGENE Discover 全部标准化单细胞与空间转录组数据做成可版本化切片查询的云端语料：TileDB-SOMA 实现，LTS 2025-11-08 含 217M+ 细胞、1,845 个数据集、5 物种，CC-BY 4.0，Python/R API 秒级取任意细胞切片，是单细胞基础模型时代的训练语料底座

CZ CELLxGENE Discover 平台聚合的 1,845 个公开研究的标准化单细胞与空间转录组数据（raw counts：全长 Smart-Seq2 与 UMI 10X 并存；空间：Visium/Slide-seq），统一经 Cell Ontology 与 GENCODE 标准化后以 TileDB-SOMA 格式托管于 AWS S3（us-west-2），配套细胞/基因元数据与辅助统计表 39

生理信号心电信号队列研究评测基准心血管疾病罕见病

Brugada-HUCA: 12-Lead ECG Recordings for the Study of Brugada Syndrome — 西班牙 HUCA 单中心 Brugada 综合征 12 导联 ECG 专病数据集

波形数据临床数据人工标注原始数据363 例受试者（76 例确诊 Brugada 综合征 + 287 例健康对照；一人一记录）；12 导联 / 12 秒 / 100 Hz / WFDB 格式

西班牙阿斯图里亚斯中央大学医院（HUCA）回顾性采集的 363 例 12 导联 ECG（76 例确诊 Brugada 综合征 + 287 例健康对照），12 秒/100 Hz/WFDB 格式，专家盲法标注并含基线病理模式与猝死结局变量，CC BY-SA 4.0 于 PhysioNet 公开直链

西班牙 Hospital Universitario Central de Asturias（HUCA）心脏病科 2010s 年代回顾性采集的 12 导联 ECG（WFDB 波形 + metadata.csv 临床标签 + metadata_dictionary.csv 变量字典）；不含配套期刊论文，方法学文本见 PhysioNet 托管页摘要与 GitHub 仓库 42

生理信号心电信号儿科心血管疾病评测基准医学问答与基准

Leipzig Heart Center ECG — 儿童与先心病患者 12 导联+心内电图逐搏标注库

人工标注原始数据生理信号39 名患者（29 名儿童 x001–x029 + 10 名修复后法洛四联症成人 x100–x109）；39 条记录；113924 个标注搏动

首个人工逐搏标注的儿童与先天性心脏病（CHD）人群开放 ECG 数据库——39 例（29 儿童+10 修复后法洛四联症成人）共 113924 搏动、977 Hz、12 导联体表 ECG 同步心内电图（IEGM），两专家交叉标注，ODC-By 1.0 于 PhysioNet 公开直链

莱比锡大学心脏中心儿科心导管室电生理检查（EPS）术中 CardioLab® 采集的 12 导联体表 ECG 与心内电图（IEGM，冠状窦/右室心尖/消融导管），977 Hz、0.05–100 Hz 原始导出，经 WFDB 软件包转换后由两名 ECG 专家用 LightWAVE® 逐搏交叉标注 34

医学影像X光影像图像分类挑战赛数据集评测基准肺癌

CXR-LT 2024

人工标注影像数据原始数据377,110 张 CXR（图像级计数，三源互证；患者级计数未在 CXR-LT 文档单列，随 MIMIC-CXR-JPG 本体口径）

MIMIC-CXR-JPG 全量 377,110 张胸片的两轮长尾重标注（14→26→45 类）：ICCV 2023 CVAMD 与 MICCAI 2024 两届挑战赛、zero-shot 5 未见类赛道、mAP 主指标、96 队申请 61 队获批、PhysioNet credentialed 1.5.0

MIMIC-CXR-JPG v2.0.0 全量 377,110 张胸片（图像本体不在本包）+ 规则法报告解析标签（45 类含 Normal；45=14 原始+12+19 rare 两轮扩展）+ 406 张 6 人共识 gold standard 子集 + 三任务 train/development/test 划分 CSV 46

医学影像医学图像分割挑战赛数据集评测基准脑影像

MITOEM

人工标注影像数据原始数据2 个 volume（MitoEM-H 成人脑皮层 + MitoEM-R 成年大鼠脑皮层；供体级数量与人口学信息未在一级来源披露）；测试半卷 GT 私有

ISBI 2021 大规模三维线粒体实例分割挑战赛数据集：人+大鼠皮层 EM 两卷各 1,000×4,096×4,096 体素（8×8×30 nm）、约 4 万实例真值、AP-75→accuracy 双轨评测、IIPPR 夺冠、挑战至今开放提交

两卷连续切片电子显微镜（EM）三维图像栈：每卷 1,000×4,096×4,096 voxels、8×8×30 nm（物理 32.8×32.8×30 µm），人/大鼠脑皮层各一；线粒体实例真值：每卷前 500 slices（train 400 + val 100），v1 H 24.5K/R 14.4K、v2 H 19K/R 10.8K 实例，实例≥2,000 voxels；后 500 slices 私有测试 31

生理信号心电信号可穿戴传感评测基准心血管疾病

Icentia11K

约 541,794 段 × 70 分钟单导联 ECG11,000 名患者 27.4 亿标注心搏250 Hz × 16-bit 原始波形11,000 名居家患者（编号 0-10999；Ontario, Canada 为主；平均年龄 62.2±17.4；2017-2018 采集）

Mila 与 Icentia 联合发布的大规模连续单导联 ECG 数据集——11,000 名居家患者佩戴 CardioSTAT 最长两周、541,794 段 250 Hz 原始波形、27.4 亿逐拍人工标注心搏与 1,724 万段心律标注，20 名技术员全披露分析加资深终审，是库内唯一万级患者周级长时程的居家 ECG 基准

Icentia CardioSTAT 单导联贴片（modified lead 1）居家佩戴采集的连续原始 ECG：250 Hz、16-bit、最长 2 周（多数 1 周）；每患者随机抽 50 段公开，每段 1,048,577 样本（约 70 分钟）；附逐拍 .qrs 心搏标注（N/S/V/Q 四类）与连续心律 .rhythm 标注（NSR/AFIB/AFL 三类） 43

医学影像PETCT医学图像分割肿瘤学

CALGB50303 — Alliance/CALGB 50303 一线弥漫大 B 细胞淋巴瘤 III 期随机试验 PET/CT 影像与衍生肿瘤病灶 RTSTRUCT 标注双层资源

人工标注影像数据原始数据155 名 DLBCL 患者（TCIA 主影像与标注同规模）；母试验口径链：524 登记 / 491 试验合格 / 169 同意 PET 子研究 / 158 子研究合格

TCIA 受控主影像（155 例/610 检查/1,944 series/513,669 幅/138.84 GB，NIH Controlled）与 CC BY-4.0 公开肿瘤病灶 RTSTRUCT 标注（155 例/3,073 series，CapeStart 双级放射医生流水线）双层结构；母试验 DA-EPOCH-R 未优于 R-CHOP（PFS HR 0.93，P=.65），PET 子研究确立 Deauville 5-PS 加 ΔSUV≥66% 的前瞻阴性判据

FDG-PET/CT 影像（CT+PT+OT 三模态，多中心 Siemens Biograph / Philips GEMINI / GE Discovery）+ 衍生肿瘤病灶 RTSTRUCT 标注（CapeStart 双级放射医生流水线，PERCIST/RECIST 1.1 规则，SNOMED-CT 编码）+ NCTN/NCORP 临床与结局数据（另行受控申请） 37

眼科影像医学图像分割图像分类青光眼

PAPILA — 同一患者双眼配对眼底图与临床数据的青光眼评估数据集

人工标注影像数据临床数据原始数据244 患者 / 488 眼（每位患者左右眼各 1 张眼底图，共 488 张）

244 患者 / 488 眼配对彩色眼底图 + 结构化临床指标 + 双专家逐像素视杯/视盘分割，西班牙 UPCT 与 Reina Sofía 医院联合出品：首份把「配对双眼、临床表格、双标分割」三合一的青光眼评估数据集，观察者间 Dice 视盘 0.935 / 视杯 0.823，且 suspect 类被证明不是 healthy 与 glaucoma 之间的中间态

西班牙 Hospital General Universitario Reina Sofía 采集：Topcon TRC-NW400 非散瞳眼底相机拍摄的 2576×1934 JPEG 眼底图（30° 孔径、以视乳头为中心）× 488 眼 + 结构化临床表格（年龄/性别/诊断/IOP/角膜厚度/眼轴长/MD 等）+ 两位眼科专家逐像素勾画的视杯与视盘轮廓坐标（2 专家 × 2 眼 × 2 结构 × 244 患者 = 1952 文件） 94

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。