即取即用的 AI-Ready 医疗数据集库

德国奥尔登堡 Hörzentrum 2013-2015 采集的开放听力健康档案：气导 125-8000 Hz 与骨导 500-4000 Hz 纯音听阈、1500/4000 Hz 自适应分类响度缩放、GÖSA 与数字三元组言语测听、DemTect 与词汇量认知测验、SF-12 与 11 页居家问卷，CC BY 4.0 全量 JSON 开放

Hörzentrum Oldenburg 2013-2015 一小时实验室测试会话 + 11 页邮寄居家问卷所得原始测量，经 GDPR 脱敏与 k=4 匿名化后以 JSON 表 + JSON schema + taxonomy 映射 + MATLAB/Python/Excel/SQL 转换脚本发布 28

生理信号眼科影像脑电信号医学图像分割评测基准

OculusGraphy ERG — 323 人 1,975 条 ISCEV 标准全视野视网膜电图信号数据库

原始信号临床数据公开基准323 名受试者（成人 + 儿童混合队列；儿童与成人分列统计，未见双眼/单眼明细）

叶卡捷琳堡眼科显微手术中心 Tomey EP-1000 采集的五类全视野 ERG（暗适应/明适应/最大反应/闪烁/振荡电位），2 kHz 采样、成人加儿童双队列；IEEE DataPort 注册即取，2022–2024 年多篇方法论文的地基

叶卡捷琳堡 IRTC Eye Microsurgery Center 用 Tomey EP-1000 工作站采集的五类全视野 ERG 原始波形，2 kHz 采样、0.1–300 Hz 带通；IEEE DataPort DOI 10.21227/y0fh-5v04 与 10.21227/r1wb-pg25 26

眼科影像图像分类多模态

CornOrb — 744 患者 1,454 眼 Orbscan 3 角膜地形图四图与临床表格多模态圆锥角膜检测数据集

原始数据临床数据人工标注744 名患者 / 1,454 只眼（663 人 89.1% 双眼，81 人 10.9% 单眼）

每眼 4 张 560×560 PNG（轴向曲率/前表面高度/后表面高度/角膜厚度）+ 15 字段临床 CSV，阿尔及利亚单中心单设备 2017–2023 回顾采集；预置患者级 80/20 划分与训练集内 5 折交叉验证，CC-BY-NC 4.0 直下

阿尔及利亚 Tlemcen Lazouni 诊所 2017–2023 年 Bausch & Lomb Orbscan 3 检查导出：每眼 4 张 560×560 PNG 角膜图 + clinical_data_and_labels.csv 临床表；Zenodo DOI 10.5281/zenodo.20542091 38

生理信号睡眠信号可穿戴传感队列研究调查数据

TILES-2018 Sleep Benchmark — 139 名医院员工 10 周 Fitbit 纵向睡眠与自评量表基准

原始数据时序数据纵向数据139 名医院员工（男 41 / 女 98；<30 岁 18、30-49 岁 91、≥50 岁 30；白班 108 / 夜班 31）；合并视图 Combined TILES Sleep 349 人

TILES-2018 项目的睡眠派生发布：139 名医院员工佩戴 Fitbit Charge 2 连续 10 周，留下 6,012 条主睡眠记录与睡眠期逐分钟心率，配基线 PSQI 七维睡眠质量评分与班次/岗位/单元人口学；以原 TILES-2018 的 210 人子集作训练分片，用于睡眠分期、PSQI 预测与班次识别的留出评测

USC ISI 托管 TILES-2018 Sleep Benchmark：fitbit/sleep-metadata（6,012 条主睡眠）、sleep-data（分期时长序列）、sleep-heart-rate（1 分钟均值 PPG 心率）、participant-info（哈希 ID+人口学）、surveys/raw|scored/baseline（PSQI 逐项与七维评分） 29

生理信号睡眠信号脑电信号可穿戴传感评测基准

The Bitbrain Open Access Sleep (BOAS) dataset — 100 人 128 夜 Micromed 临床 PSG 与干电极头带同步记录

生理信号数据时序数据人工标注原始数据100 名健康志愿者（128 夜，sub-1 至 sub-128；20 人重复入组，含 2 夜 12 人、3 夜 8 人）

OpenNeuro ds005555：西班牙 Bitbrain 公司发布的开放睡眠数据集——每夜同时录 Micromed Brain Quick Plus Evolution 临床多导睡眠图与 Bitbrain 前额干电极头带（AF7/AF8 + IMU + PPG），三名技师独立按 AASM 判读、≥2 人一致取共识标签，附官方深度学习模型生成的 stage_ai 标签，CC0 公共领域

OpenNeuro ds005555 BIDS 结构：Micromed 临床 PSG 与 Bitbrain 干电极头带 EDF 双机同步，256 Hz，30 s epoch 的 stage_hum/stage_ai 事件标签 50

生理信号睡眠信号脑电信号挑战赛数据集评测基准时序数据

PhysioNet/CinC Challenge 2018 — 1,985 例整夜 PSG 的睡眠微觉醒逐样本检测挑战

生理信号数据时序数据人工标注竞赛数据1,985 名受试者（1,983 例整夜 PSG 记录；训练 994 + 测试 989，无受试者重叠）

2018 年 PhysioNet/Computing in Cardiology 挑战赛官方数据：MGH 睡眠实验室 1,983 例整夜 PSG（训练 994 / 隐藏测试 989），13 路信号 200 Hz，7 位技师按 AASM 标注六期睡眠与 12 类事件，目标觉醒窗口逐采样点 +1/0/-1 三态，gross AUPRC 评分，冠军 0.54

美国马萨诸塞州总医院（MGH）睡眠门诊回顾性整夜多导睡眠图（PSG）——13 路信号、AASM 六期睡眠与事件标注、逐采样点目标觉醒三态序列 37

医疗NLP知识图谱命名实体识别临床文本生物医学文献

MedLexSp / Medical Lexicon for Spanish — 100,887 词目的西班牙语医学词法词典

文本数据标注数据领域知识0（不涉及患者）；规模计数以词法单元计：100,887 词目 / 302,543 屈折形 / 42,958 UMLS CUI

CSIC-ILLA 用自然语言处理（NLP）从 13 类术语库与 400 万词医学语料反推词法：100,887 词目、302,543 屈折形、42,958 个 UMLS CUI，附 spaCy/Stanza 词形还原模块

13 类术语库与词典（西班牙皇家医学院 DTM、MeSH、SNOMED CT、MedDRA、ICD-10、ATC、NCI 词典、OMIM、OrphaData 等）+ 306 份药品特性摘要（SPC）+ MedlinePlus 西语版 + 逾 400 万词医学语料 + 六个西语标注语料库 + 600 万词 COVID-19 网络文本 24

基因组学与多组学变异与注释评测基准罕见病

GLOF: Gain and Loss Of Function 错义变异功能效应专家策展基准 — 112,399 个错义变异按 LOF/GOF/中性三分类的功能获得与功能缺失判读测试集

表格数据标签数据文本数据不适用（变异级资源，无个体患者记录；112,399 条错义变异 / 2,809 个基因 / LOF 25,368 + GOF 3,129 + Neutral 83,902）

Mendelics 的临床遗传学家把 ClinVar 致病错义变异与 gnomAD 常见中性变异汇编成 2,809 个基因、112,399 条记录的功能效应三分类基准，增益类仅占 2.8%、97 个基因同时存在双向机制，是变异效应预测从「致病与否」推向「怎么致病」的第一份大规模金标准

Hugging Face datasets/victormaricato/glof（glof_dataset.parquet，7 列，约 1.31 MB，2026-06-08 最后更新）+ Kaggle 镜像；上游为 ClinVar 2023-07 发布版与 gnomAD v3.1/v4.1 28

医学影像病理图像图像分类肿瘤学多模态

Multi-OSCC — 1325 例口腔鳞癌 ×200/×400/×1000 多倍率 H&E 病理六任务诊断预后数据集

人工标注影像数据原始数据1,325 例 OSCC 手术患者（训练 925 / 验证 200 / 测试 200）；图像 7,950 张（每人 6 张，推算）

中山大学孙逸仙纪念医院 2015-2022 年手术病例，每位患者 6 张 2592×1944 光学显微镜 H&E 图像（三倍率 × 肿瘤核心/边界），标注复发、淋巴结转移、分化、浸润、癌栓、神经侵犯六项；arXiv 2507.16360 与 Zenodo 34.6 GB 单包同源

Multi-OSCCPI-Dataset.zip（34.6 GB，Zenodo 单包）：按 patient_id 分目录的 7,950 张 2592×1944 H&E 图像 + all_metadata.json 六任务标签 + split_seed=2024.json 切分表 29

医疗NLP医学问答评测基准临床文本

AHD: Arabic Healthcare Dataset — 阿拉伯语医患问答语料与英译对照

原始数据文本数据多语言数据约 808,000 条患者提问（每条配一至多条医生回答）；提问者与回答医生均已匿名化，仅保留问题、答案、类目三列，无年龄性别等结构化人口学字段

也门伊卜大学团队从 Altibbi 医患问答站采集的 80.8 万条阿拉伯语问答、90 个专科类目，附 118 MB 英译对照表，CC BY 4.0 于 Mendeley Data 公开；是阿拉伯语医疗 NLP 少见的单表型原始语料

Altibbi（altibbi.com）阿拉伯语医患问答公开页面；AHD.xlsx（173 MB，阿拉伯语原表）+ AHD_english.xlsx（118 MB，机器/人工英译对照表）+ 类目分布表（12.3 KB）；Mendeley Data DOI 10.17632/mgj29ndgrk.6 30

医疗NLP临床文本命名实体识别关系抽取临床电子病历

SemClinBr — 巴西葡萄牙语首个多机构多专科临床语义标注语料库

人工标注文本数据原始数据受控访问约 553,952 名患者（源数据库口径，2013-2018 医院集团）；最终语料 1,000 份病历，患者级去重数未披露

1,000 份真实病历 | 65,129 个 UMLS 语义类型实体 | 11,263 条关系 | 102 类标签体系 | Gold 613 篇 + Silver 387 篇

PUCPR 健康技术项目 + 巴西医院集团 EHR（2,094,929 条，2013-2018）+ 大学医院心内科出院小结（5,617 条，2002-2007）；GitHub: HAILab-PUCPR/SemClinBr 34

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。