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 1815 个数据集

皮肤影像多模态影像-文本对齐视觉问答评测基准

Derm1M — 百万级皮肤病视觉-语言数据集

影像数据文本数据原始数据人工标注403,563 张唯一图像（1,029,761 对图像-文本；原始采集自 51,309 YouTube 视频/566,571 PubMed 文献/49,875 论坛帖）

皮肤病学首个百万级视觉-语言数据集——1,029,761 对图像-文本、390 种皮肤状况与 130 临床概念组织于四级专家本体，DermLIP 系列在零样本分类/概念识别/跨模态检索上显著超越 BiomedCLIP 与 MONET，CC BY-NC 4.0 于 HuggingFace 门槛获取

五源教育资料：YouTube（45.6%，51,309 视频）+ PubMed（19.4%，566,571 篇）+ 医学论坛（15.1%，49,875 帖）+ 公开数据集（10.1%，SCIN+MSKCC）+ 教学材料（9.8%，68 份）；经五步流水线清洗 + 四级专家本体知识增强，产出 refined/ontology/concept 三型文本 87

医学影像医学图像分割眼科影像

Harvard FairSeg — 公平性医学图像分割数据集

10,000 张 SLO 眼底图像3.9 GB NPZ 压缩包CC BY-NC-ND 4.0 免费获取6 个公平性属性10,000 名受试者

10,000 张 SLO 眼底图像的首个医学分割公平性基准

Harvard Ophthalmology AI Lab, Department of Ophthalmology, Harvard Medical School url: https://ophai.hms.harvard.edu/datasets/harvard-fairseg10k/ 73

医学问答与基准X光影像医学问答评测基准医学影像多模态

ChestAgentBench — 胸片复杂推理评测基准

评测基准影像数据文本数据2,500 道题目，源自 675 例 Eurorad 临床病例（论文口径）；HF metadata 实测唯一 case_id 609 例（双口径并存）

MedRAX（ICML 2025）配套的 2,500 题六选一胸片推理基准：由 675 例 Eurorad 专家病例经 GPT-4o 生成、自动质控，覆盖检测/分类/定位/比较/关系/诊断/表征七大能力，MedRAX 以 63.1% 领先 GPT-4o 6.7 分

Eurorad（欧洲放射学会 ESR 同行评审放射学病例库）胸部影像病例：2,500 道六选一问题 + 六段式病例文本（history/image_finding/discussion/differential_diagnosis/diagnosis/figures）+ 答案与专家解释 + 1,346 张图片路径（figures.zip 822 MB，metadata.jsonl 4.9 MB） 47

生理信号可穿戴传感多模态微生物组队列研究

CGMacros — 连续血糖监测×营养饮食多模态数据集

传感器数据时间序列数据影像数据问卷与自报数据45 名参与者（15 健康 HbA1c<5.7% / 16 前驱糖尿病 5.7%≤HbA1c≤6.4% / 14 型 2 糖尿病 HbA1c≥6.5%），年龄 18-69 岁，BMI 21-46 kg

45 人（健康/前驱/2 型糖尿病各 15/16/14）× 10 天自由生活：双 CGM + MyFitnessPal 膳食宏量营养素 + 食物照片 + Fitbit 活动 + 血液指标 + 肠道微生物组，首个公开的个性化营养 CGM 数据集，CC BY-NC-SA 4.0，含 XGBoost 餐后血糖响应基线

PhysioNet CGMacros v1.0.0：双 CGM（Abbott FreeStyle Libre Pro 15min + Dexcom G6 Pro 5min）血糖时序 × MyFitnessPal 膳食宏量营养素 × WhatsApp 食物照片 × Fitbit Sense 活动时序 × 血液分析 × 肠道微生物组 × 人口学/人体测量 46

神经科学医学影像脑影像

Human Connectome Project (HCP) — 多模态脑连接组学影像数据集

1,206名健康青年约 76TB 数据量91,282 灰质体3T+7T MRI+MEG1,206名健康青年成人（非患者队列）

1,206名健康青年 · 3T+7T MRI+MEG · CIFTI灰质体 · 91,282灰质体 · ~81TB

WU-Minn-Ox Consortium url: https://www.humanconnectome.org/ 89

基因组学与多组学转录组测序数据

GEO 基因表达综合数据库

约 200TB+ 数据量650 万+ 样本20 万+ 研究650 万+ 样本

NCBI / NLM / NIH (https://www.ncbi.nlm.nih.gov/geo/) 123

医学影像X光影像图像分类评测基准儿科全球健康

NG-Pneum — 尼日利亚 5 岁以下儿童肺炎胸片 190 张外部验证集

影像数据人工标注原始数据190 张胸片（97 肺炎 / 93 正常）；患者级数量未披露

伊巴丹两家机构前瞻采集的 190 张胸片（97 肺炎 / 93 正常）、两名放射科医生盲法共识标注、CC BY 4.0——它把在美国儿科胸片上 86% 准确的模型打回 58%，成为 AI 影像泛化崩塌的实测证据，也是一份关于数据地理学的公开教材

尼日利亚伊巴丹 University College Hospital（三级医院）与 Rainbow Scans（私人诊断中心）放疗/放射科前瞻采集的 5 岁以下儿童胸部正位 X 线片，2023-11 至 2024-08 整群抽样，已去标识，两名经验丰富放射科医生盲法共识标注为 normal / pneumonia 二类 35

医学影像MRI医学图像分割视觉问答评测基准多模态

3DReasonKnee

人工标注影像数据原始数据7,970 例 3D 膝关节 MRI 扫描（DESS 序列，160 slices/scan）；上游 OAI 4,796 受试者（45-79 岁，58% 女性，平均 61.4 岁）；train 5,97

医学影像首个 3D 定位推理数据集——OAI 队列 7,970 例膝关节 DESS MRI 生成 494k 五元组（3D volume+诊断问题+边界框+专家思维链+MOAKS 分级），450+ 小时骨科专家时间，ReasonKnee-Bench 揭示 VLM 定位与分级双重失守

OAI 队列 baseline 至 48 个月随访 DESS 膝关节 MRI（NIfTI 预处理）+ nnU-Net 自动 3D bounding box（100 例专家手工分割训练：2 位 board-certified 放射科医生 + 1 位骨科医生，4.5h/scan）+ 专家裁决 MOAKS 分级（BML 15/软骨 14/骨赘 16/半月板 6 亚区等）+ 62 问题模板与专家撰写 CoT 38

多模态病理图像临床文本肿瘤学队列研究影像-文本对齐

HANCOCK — 埃尔朗根 763 例头颈鳞癌单中心多模态数据集：病理 WSI+TMA 免疫组化+结构化临床血液+去标识手术报告文本

影像数据文本数据临床数据人工标注763 例患者（单中心，2005-2019；约 80% 男性，中位年龄 61 岁）；701 例有原发肿瘤 WSI；13,684 图像

FAU 埃尔朗根 763 例头颈癌 2005-2019 真实世界单中心队列：709 张原发肿瘤 H&E WSI（0.1213 µm/px）+396 张淋巴结 WSI+8 染色 TMA+结构化临床血液+去标识手术报告文本，CC BY 4.0 经 TCIA 与 FAU 门户双通道公开，衍生 HANCOTHON 生存/复发预测挑战赛

TCIA HANCOCK 集合（DOI 10.7937/rcty-5h16）+ FAU 数据门户：709 张原发肿瘤 H&E WSI + 396 张淋巴结 WSI + 8 染色 TMA + 结构化临床血液 + 去标识手术报告与病史文本；4.5 TB，SVS/PNG 52

生理信号语音信号挑战赛数据集评测基准帕金森病

Speech Accessibility Project Dataset — 五病因构音障碍语音数据集·DUA 申请制百万样本级 ASR 语料库

人工标注音频数据原始数据约 999 名说话人（train/dev：PD 346 + ALS 196 + CP 195 + DS 165 + stroke 97）+ sequestered test ALS 66/CP 58/

UIUC Beckman Institute 主导的语音可及性计划：帕金森病/ALS/脑瘫/唐氏综合征/卒中五大群体朗读语料，目标 2,000 人×600 句，当前约 1,500 小时/999 人；DUA 双签名+一页 proposal 申请发放，Interspeech 2025 与 NeurIPS 2026 双挑战赛基准确立构音障碍 ASR 标杆

五病因群体（帕金森病/ALS/脑瘫/唐氏综合征/卒中）朗读与自发语音录音，约 1,500 小时；人工逐句转写，归一化文本含/不含不流畅（disfluency）双版本；speaker-disjoint 划分 train/dev/sequestered test 65

医学影像内窥镜影像图像分类手术视频评测基准肿瘤学

GastroHUN — 胃部系统筛查内镜图像与序列数据集

影像数据视频数据人工标注387 名患者（图像口径）；序列来自 223 名患者（部分患者无录像）；视频内镜 238 段

哥伦比亚国立大学 8834 张胃内镜图 + 4729 条序列 + 238 段完整视频内镜，按 SSS 胃系统筛查协议 22 站位 + NA 共 23 类、四专家双团队标注，Latin America 首个大型公开上消化道内镜数据集

哥伦比亚国立大学医院（Hospital Universitario Nacional de Colombia）消化内科真实临床采集的胃部系统筛查内镜（Olympus EVIS EXCERA III CV-190 + MAJ-1925 便携存储），Epiphan/Elgato 采集卡录像，四名消化内科专家按 SSS 协议标注 95

医学影像图像分类CTX光影像评测基准病理图像

MedMNIST

影像数据原始数据人工标注约 708,069 张 2D 图像（现行 707,962）+ 约 9,998 张 3D 图像（论文口径；Zenodo v2 描述 10,214、现行 9,996）；患者级：ChestMNIST 源 3

MNIST 化的医学图像分类基准集合：12 个 2D + 6 个 3D 标准化子数据集（708K 2D + 10K 3D 图像），28/64/128/224 多尺寸，横跨病理、胸片、OCT、皮肤镜、血细胞、CT、MRA 与电镜九大模态，Nature Scientific Data 2023 发表，被引超 1600 次的医学 AI 事实标准入门基准

18 个子数据集源数据各不相同：NCT-CRC-HE-100K/HAM10000/NIH-ChestXray14/Kermany OCT/DeepDRiD/BUSI/Acevedo/BBBC051/LiTS+IRCAD/LIDC-IDRI/RibFrac/IntrA 等，另含中山医院自采肾上腺 CT 与大鼠电镜体积；逐源清单见正文附录 63

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。