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

医学影像眼科影像医学图像分割图像分类评测基准

CORN — 角膜共聚焦神经分割与弯曲度分级数据集

人工标注影像数据原始数据CORN-1 未披露患者数（1698 张 CCM 图像）；CORN-Complex 518 名患者

中科院宁波材料所 iMED 团队的角膜神经数据库：CORN-1 含 1698 张 384×384 CCM 图像与眼科医生手绘神经中心线，衍生 CORN-2 增强、CORN-3/CORN1500 弯曲度分级、CORN-Pro 细胞分割、CORN-Complex 多中心多病种六子集，Zenodo 请求制限学术用途

海德堡视网膜断层扫描仪 Heidelberg Retina Tomograph（HRT-III）配 Rostock Cornea Module（RCM）采集的角膜共聚焦显微镜（CCM）图像，384×384 px、FOV 400×400 μm²；神经中心线由眼科医生用 ImageJ 手绘，CORN-Pro/Complex 用 ITK-SNAP 多类标注；含北京大学第三医院与帕多瓦大学 BioImLab（120 张）来源 43

医学影像X光影像心血管疾病多模态队列研究

CheXchoNet — 胸片配超声心动图金标准标签的早期心衰检测数据集

影像数据人工标注结构化数值24,689 名患者 / 71,589 张唯一胸片

71,589 张胸片 × 24,689 名患者的超声心动图金标准标签：哥伦比亚大学把「便宜的胸片」对齐「更准的超声」，用 15 名放射科医师读片验证深度学习能否在无症状阶段识别重度左室肥厚与扩张——首个大规模胸片-超声配对范式数据集（PhysioNet 受限访问）

Columbia University Irving Medical Center（CUIMC）2013-01 至 2018-08 期间同时行胸片与超声心动图的患者：PA 胸片（DICOM 原图→224×224 JPEG）+ Syngo Dynamics 超声心动图连续测量与二值诊断标签 + 去标识元数据表 56

生理信号步态与运动多模态可穿戴传感

身体摇摆与虚拟现实音乐刺激数据集（28 人 · 12 条件）

姿势控制足底压力中心虚拟现实听觉刺激平衡评估重复测量小样本全因子设计28

28 名健康青年 × 3 种视觉 × 4 种音乐，60 秒站立、1,000 赫兹足底压力中心；0.1 赫兹同步音量令前后向摇摆增大 1.28 厘米（t=2.68），0.25 赫兹完全无效（t≈0）

美国印第安纳大学普渡大学印第安纳波利斯分校（IUPUI）运动学系；印第安纳大学伦理审查委员会批准 141

生理信号睡眠信号可穿戴传感心电信号时序数据评测基准

多夜瞬时心率与加速度计数据集 — Apple Watch+Dreem2 EEG 睡眠分期标签

生理信号数据原始数据多模态数据47 名健康成人参与者 × 至多 7 夜 = 253 夜（每受试者 3-7 夜）

47 名健康成人连续至多 7 夜佩戴 Apple Watch 与 Dreem 2 头带同步采集的开放数据集：Apple Watch 提供 PPG 衍生瞬时心率（IHR，约 0.2 Hz）与三轴加速度计，Dreem 2 提供 AASM 标准 30 秒 epoch 的 EEG 睡眠分期标签（Wake/N1/N2/N3/REM），共 253 夜，ODC-By v1.0 开放获取，用于可穿戴睡眠分期算法开发与验证

Apple Watch（自定义 WatchOS 应用 BIDSleep）采集的瞬时心率（IHR，PPG 衍生，约 0.2 Hz）+ 三轴加速度计（Unix 亚秒时间戳）；Dreem 2 EEG 头带 AASM 标准 30 秒 epoch 睡眠分期标签（自动 dreem_label + 专家修正 expert_label） 45

医学影像CT医学图像分割目标检测肺癌肿瘤学

LIDC-annot-NLST501 — NLST 队列 501 例胸部 CT 的 LIDC-IDRI 式多读者肺结节标注

人工标注影像数据原始数据501 例患者（501 个 CT series，选自 NLST）；2,004 次独立阅读（每例 4 读者）= 2,004 个 DICOM SEG = 2,004 个 NIfTI mask

20 名执业放射科医师对 NLST 筛查队列 501 例胸部 CT 的 LIDC-IDRI 式多读者标注——每例 4 读共 2,004 次独立阅读，23,099 病灶报告、6,505 结节 3D 分割+8 项形态特征+1-10 恶性评分，Median Technologies 生产、TCIA 以 CC BY 4.0 口径公开

NLST 原始胸部 CT 501 series + LMS 校正 CT 24 series + 多读者 DICOM SEG 2,004（内嵌 TotalSegmentator v2.4.0 肺 mask）+ NIfTI mask 2,004（734 MB）+ annotations.csv（23,099 病灶报告）+ readers.csv + correction.csv，合计 2,529 series / 13.65 GB 53

医学影像X光影像手术视频医学图像分割目标检测心血管疾病

CathAction — 血管内介入导管导丝分割碰撞检测与动作理解基准

人工标注影像数据原始数据不适用（数据主体为血管体模与活体动物 X 光透视影像，不含人患者级数据；操作者为 10 名专业血管介入外科医生）

MICCAI 2026 挑战赛 CATHACTION 官方数据集：569 段血管内介入 X 光透视视频、约 50 万标注帧与 2.5 万张导管导丝分割掩码，来自 5 具硅胶体模与 5 头活体猪、10 名外科医生三条动脉插管，覆盖分割、碰撞检测与五类动作理解基准，域适应设定下识别精度下跌约 30 个百分点，CC BY-NC-SA 4.0 许可经 HuggingFace 公开

5 具 Elastrat 软硅胶成人主动脉弓体模（接搏动泵模拟血流）+ 5 头活体猪（碘造影剂增强）的 X 光透视视频：569 段视频、约 500,000 标注帧（500×500、24 FPS）、约 25,000 张导管/导丝分割掩码（PNG）、逐帧器械尖端碰撞框（YOLO TXT）、五类动作起止段标注（CSV/Pickle） 29

医学影像PETCT肿瘤学图像分类

ACRIN-HNSCC-FDG-PET-CT — 美国 23 家机构 ACRIN 6685 试验 260 例头颈鳞癌术前 FDG-PET/CT 影像与临床结局 — cN0 颈部阴性预测值测定与外科决策影响诊断准确性试验数据集

原始数据影像数据临床随访人工采集260 例收录 TCIA（试验漏斗：287 前瞻入组 → 248 合格 → 260 收录；病理配对分析口径：270 个 N0 颈侧来自 212 人；手术计划改变分析口径 237 人）

ACRIN 6685 多中心前瞻性诊断试验（NCT00983697）的影像与病理配对遗产：260 例新诊断头颈鳞癌（口腔/口咽/喉），术前专用头颈 FDG-PET/CT 两床位协议配颈清扫病理金标准，前瞻收集盲态与知情两版手术计划问卷；影像 DICOM 受控申请（NIH Controlled），双文件集临床表 CC BY 4.0 公开直链

ACRIN 6685 试验术前 FDG-PET/CT DICOM（CT/PT/MR/NM 四模态，681 studies/3358 series/460982 images/147.77 GB）+ 颈清扫病理金标准结局 + 前后两版手术计划问卷 + 人口学/随访/治疗临床表（XLS/ZIP/CSV/PDF，双文件集 75%/25% 随机分层） 32

医学影像病理图像图像分类肿瘤学

PathoTiroid Dataset Indonesian Collection (PTIC) — 印尼甲状腺乳头状癌 H&E 病理图像分类数据集

印尼大学团队从国家级转诊医院 46 张全切片切取 1,006 张 40× H&E 病理图像块（PTC-like 490 + non-PTC-like 516），24 例匿名患者、LEICA Aperio GT450 扫描、0.26 μm/px、1916×1053 JPG，专家多级验证标签；最新版 CC BY-SA 4.0 公开直链 10.13 GB，配套 BMC Research Notes 数据描述与 IEEE Access 建模论文

印尼国家级转诊医院（RSCM / Dr. Cipto Mangunkusumo）甲状腺组织 H&E 染色切片，经 LEICA Aperio GT450 全切片扫描仪 40× 数字化（约 0.26 μm/pixel），由专家病理医师标注感兴趣区域（ROI）后提取的高分辨率图像块（1916×1053 JPG）；配套元数据表 PTIC_metadata.xlsx 与数据采集流程说明 33

医学影像内窥镜影像图像分类挑战赛数据集评测基准肿瘤学

RARE25 内镜低流行率肿瘤检测数据集

影像数据人工标注原始数据训练集 3,095 张内镜图像（2 家荷兰医疗中心）；测试集 26,408 张（12 家中心，私有）；患者级数量未披露

MICCAI 2025 EndoVis 挑战赛基准：3,095 张公开训练内镜图 + 26,408 张私有测试图，以 PPV@90Recall 强迫模型面对真实 1% 流行率下的假阳性负担（CC BY-NC-SA 4.0）

Olympus Exera III 内镜系统采集的 Barrett 食管内镜图像：公开训练集 2,937 NDBE + 158 NEO（imagefolder，center_1/ndbe、center_1/neo 等目录，PNG）；隐藏测试集 23,176 NDBE + 3,232 NEO；图像级二分类标签（0=NDBE，1=Neoplasia）；官方 GitHub 提供 5-fold CV 与跨中心切分脚本 52

医学影像CT脑影像儿科

A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images — FDA 健康儿童颅脑 CT 规范参考库

影像数据原始数据人口学数据100 例健康儿童（1 个月-10 岁；女 45 / 男 55）；100 studies / 100 series（1:1:1，每人一次扫描）

FDA CDRH 监管科学工具 RST26PD01.01 配套发布的正常参考图像库：100 例健康儿童颅脑平扫 CT（1 个月-10 岁，3.2 GB MHA，无对比剂），供医疗器械与 AI/ML 使能软件研发、验证、评估作 normative reference；图像、人口学表与脚本全组件 CC BY 4.0，经 TCIA 分发

Children's National Hospital 健康儿童颅脑平扫 CT 100 例（MHA 3.2 GB，无对比剂，层厚 0.625-5.4 mm）+ TCIA 分发人口学 TSV（age in days/生物学性别/种族族裔）+ v7 comprehensive metadata 报告 TSV（45.4 kb）+ FDA RST 附属 Python 脚本 2 件 38

眼科影像真实世界数据时序数据青光眼评测基准医学图像分割

UWHVF — 华盛顿大学 Humphrey 视野纵向数据集

真实世界数据时序数据临床测量3,871 名患者 / 7,428 只眼 / 28,943 次视野测试（进展分析子集 1,579 名患者 / 2,985 只眼）

28943 次 Humphrey 视野分析仪 24-2 逐点敏感度测试 · 7248 眼 3871 例 · 1998-2018 单中心真实世界常规护理 · BSD-3-Clause GitHub 公开直链 · 附 TD/PD/GH/MTD/PSD/MS 全套派生指标与进展回归

华盛顿大学眼科系常规临床护理中 Humphrey Field Analyzer II（HFA II, Carl Zeiss Meditec）24-2 白-白 Goldmann 刺激 III 号视野测试；逐点敏感度（dB）加 TD/PD/GH/MTD/PSD/MS 及 Garway-Heath 分簇指标与进展回归，JSON（长格式向量加 8×9 矩阵）与长格式 CSV 48

医学影像内窥镜影像图像分类挑战赛数据集肿瘤学

Intel & MobileODT Cervical Cancer Screening — Kaggle 十万美元宫颈癌筛查竞赛 — EVA System 阴道镜图像三分类，512 张公开测试标签被 98 轮 logloss 逆推全中

人工标注影像数据原始数据6733 张标注宫颈图像（train+additional：Type 1 为 1191 张、Type 2 为 3565 张、Type 3 为 1976 张）；Stage 1 公开测试 512 张；St

Intel 与 MobileODT 联合主办的 10 万美元 Kaggle 竞赛数据集——6733 张宫颈图像按转化区分型三分类（Type 1/2/3），multi-class logloss 评测，Stage 1 全部 512 个测试标签被 AAAI 论文算法 98 轮逆推，组织者以 87% private 集冻结管线应对

MobileODT EVA System（Enhanced Visual Assessment，便携式阴道镜设备）拍摄的宫颈图像，转化区分型标注由阴道镜专家 Prof. Albert Singer 完成；配套 fixed_labels_v2.csv 标注修正包、solution_stg1_release.csv Stage 1 答案、test_stg2.7z Stage 2 测试包 70

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。