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 1837 个数据集

基因组学与多组学药物发现与化学医疗NLP

RTX-KG2 — 转化医学语义标准化知识图谱

知识图谱多源整合公开获取非患者数据集：KG2.7.3 为 6,400,000 节点 / 39,300,000 边 / 77 种 Biolink 关系类型；KG2.10.1c 分发体积节点 JSONL 359.1 MB、边 J

俄勒冈州立大学为 NCATS Biomedical Data Translator 构建的第二代生物医学知识图谱：以 ETL 流水线整合 70+ 个上游知识源（UMLS、SemMedDB、ChEMBL、DrugBank、Reactome、SMPDB 等），统一映射到 Biolink Model 语义层，KG2.7.3 规模 640 万节点 / 3930 万边，代码 MIT、图格式 CC BY-4.0、图内容受上游许可约束不可再分发

整合 70+ 上游生物医学知识源：UMLS Metathesaurus（含 RxNorm/MESH/GO/HPO/MONDO/ChEBI 等子源）、SemMedDB、ChEMBL、DrugBank、Reactome、SMPDB、DisGeNET、DGIdb、HMDB、UniProtKB、IntAct、NCBIGene、KEGG、NCBI Taxonomy、Uberon 等，统一映射至 Biolink Model 39

生理信号可穿戴传感时序数据真实世界数据评测基准

ShanghaiT1DM & ShanghaiT2DM — 上海糖尿病动态血糖数据集：真实生活 CGM 与称重饮食记录

原始数据传感数据自报数据112 例患者（T1DM 12 例 + T2DM 100 例）；CGM 记录文件 125 份（16 + 109）；CGM 测量点 128,170 个（15,695 + 112,475）

同济大学联合上海市东方医院与第四人民医院发布的中国糖尿病公开数据集合集：12 例 T1DM（含 10 例 LADA）与 100 例 T2DM 患者在真实生活条件下的 FreeStyle Libre H 动态血糖监测（15 分钟采样、最长 14 天佩戴），配套称重饮食记录、实验室检查、人口学与用药信息，CC BY 4.0 于 figshare 公开，面向血糖预测、餐后建模与强化学习血糖控制研究

FreeStyle Libre H flash 血糖仪 15 分钟间隔 CGM 时间序列 + 患者自报每日称重饮食记录（进食时间与食物重量）+ 糖代谢/血脂/肾功能实验室检查 + 人口学/BMI/病程/并发症临床特征 + 降糖用药记录 45

基因组学与多组学蛋白质组学医学影像CT病理图像肿瘤学

CPTAC-PDA — 胰腺导管腺癌多组学与影像队列

原始数据影像数据人工标注140 例胰腺导管腺癌肿瘤 + 67 例癌旁正常（NAT）+ 9 例正常胰管组织；TCIA 放射影像覆盖 110 受试者/134 检查，病理 SVS 168 例

NCI CPTAC 联盟对 140 例胰腺导管腺癌的蛋白基因组学全景研究：全蛋白组/磷酸化/糖蛋白组/乙酰化+WGS/WES/甲基化/RNA-seq 多平台整合，配 TCIA 放射 CT 与病理 WSI，Cell 2021 主论文数据全链路公开

CPTAC-PDA 队列多平台数据：TMT11 全蛋白组、磷酸化蛋白组、完整糖蛋白组、DIA 蛋白组（PDC PDC000270/271/272/341）+ WGS/WES/EPIC 甲基化/RNA-seq/miRNA-seq（GDC/dbGaP）+ TCIA 放射 CT DICOM（含 NCI 3D 分割与 seed points）+ H&E 病理 WSI（SVS） 53

医学影像图像分类医学图像分割挑战赛数据集评测基准

IUGC 2024 产时超声挑战赛数据集 — 标准平面分类·胎头耻骨联合分割·AoP/HSD 自动测量的 MICCAI 2024 产时超声视频挑战赛数据集

人工标注影像数据原始数据训练 456 个视频（288 全标准平面 + 168 全非标准平面）；帧级：标准平面 24,434 帧（含 2,906 帧分割标注）+ 非标准平面 31,450 帧；患者总数未公开

MICCAI 2024 产时超声 Grand Challenge：三所中国大学医院 456 个训练视频（288 标准平面 + 168 非标准平面）、24,434 个标准平面帧与 31,450 个非标准平面帧，三位超声医师标注 2,906 帧胎头/耻骨联合分割，级联完成标准平面分类、双结构分割与进展角/头耻距自动测量

产时经会阴超声视频（三所中国大学医院产房实采）+ 胎儿头/耻骨联合像素级分割掩码（3 名超声医师标注 2,906 帧）+ 标准平面二分类帧级标签 + 官方基线训练/评估代码与提交样例 25

基因组学与多组学变异与注释知识图谱评测基准

ClinGen Criteria Specification (CSpec) Registry — ACMG/AMP 变异解读规则的疾病特异性规格注册表

知识库与本体标准与规范文本数据不适用（规则级资源，非患者级数据；收录 209 条规格记录，其中 Released 123 条覆盖 134 个基因，涉及 65 个 VCEP）

ClinGen 把 2015 版 ACMG/AMP 的 28 条通用变异判读准则按基因与疾病逐一改写为可执行规格，由 Baylor 医学院 BRL 以 JSON/JSON-LD 集中托管并版本化发布——截至 2025-06 共 108 条公开规格覆盖 120+ 基因，被 VCI/DECIPHER/Shariant 直接消费，月均约 14 万次 API 请求

ClinGen CSpec Registry 在线 API（https://cspec.genome.network/cspec/api/svis，JSON/JSON-LD）+ 单条规格 UI 文档（/cspec/ui/svi/doc/<GN_ID>）+ Zenodo 冻结快照；规则源自 ACMG/AMP 2015 共识与 ClinGen SVI 系列建议 38

电子健康记录临床文本知识图谱医疗登记流行病学评测基准

SNOMED CT to ICD-10-CM Map — 临床术语到报销编码的规则式映射参考集

术语数据结构化数据人工标注不适用（术语映射参考集，无患者个体数据）；映射覆盖 138,383 个活跃 SNOMED CT 源概念（2025-09 口径）

NLM 随 SNOMED CT 美国版半年发布的规则式映射表（Refset 6011000124106），把 13.8 万+ 活跃 SNOMED CT 临床概念按映射组转为 ICD-10-CM 报销码，需同时持有双许可方可使用

NLM 随 SNOMED CT US Edition 发布的 ICD-10-CM extended map reference set（Refset 6011000124106）：Extended Map 核心映射文件 + Refset Descriptor 元数据 + Module Dependency 依赖声明，另有 human readable TSV 31

药物发现与化学药物安全真实世界数据知识图谱药物-靶点相互作用

OffSIDES — 标签外药物副作用挖掘库

知识库文本数据关系数据不适用（非患者级数据集，为药物-事件关联粒度；1,332 种药物 × 10,097 个不良事件）

从 FAERS 千万级自发报告中以 SCRUB 高维倾向评分匹配校正混杂、再经 LSD 潜在信号检测推断出的 438,801 条标签外副作用关联——1,332 药 × 10,097 不良事件，TWOSIDES/OnSIDES/KidSIDES 家族之源

FDA FAERS（Adverse Event Reporting System）自发不良事件报告，经 SCRUB 高维倾向评分匹配校正混杂 + LSD 潜在信号检测挖掘；FDA 结构化产品标签（structured product label）用于剔除已知标签内副作用；SIDER 说明书抽取库用于关联回收验证 32

医疗NLP生物医学文献关系抽取药物安全命名实体识别知识图谱

DDI Corpus — 药物相互作用抽取黄金语料

人工标注文本数据公开评测数据不适用（文本语料，非患者级数据）

UC3M+DFKI 手工标注的 1,025 篇 DrugBank 专论与 Medline 摘要语料——18,502 个药理学实体、5,028 条 PK/PD 药物相互作用，SemEval-2013 Task 9 DDIExtraction 官方黄金标准，学术研究免费

DrugBank 药物专论 792 篇 + Medline 摘要 233 篇（共 1,025 篇），人工标注 18,502 个药理学实体与 5,028 条 PK/PD 药物相互作用，XML 格式 28

医疗NLP药物发现与化学知识图谱命名实体识别关系抽取药物安全

OnSIDES — 药品说明书不良反应结构化库

结构化数据公开数据文本数据不适用（药物-不良反应对为主；主 README 口径 4,097 药物成分 / 51,460 标签 / 7.1M+ drug-ADE pairs，截至 2026-04）

微调 PubMedBERT 从 FDA/EMA/EMC/KEGG 四源药品标签抽取 700 万+ 药物-不良反应对，映射 RxNorm 与 MedDRA PT；CC BY 4.0 公开、季度更新，附儿科/国际/标注三补充库

FDA 结构化产品标签（DailyMed, 美国）+ EMA 欧盟药品标签 + EMC 英国药品标签 + KEGG 日本药品标签；药物映射 RxNorm（国际药用 OMOP RxNorm Extension），不良反应映射 MedDRA Preferred Terms 32

医疗NLP临床文本药物安全公共卫生与流行病学命名实体识别

PsyTAR — 精神科药物不良反应评论语料

文本数据人工标注原始数据891 篇药物评论帖（JBI 口径 887 篇含文本：SSRI 428 + SNRI 459）；6009 句；平均年龄 37 岁

891 篇 askapatient 患者评论拆 6009 句，三层标注（句子分类/实体识别/UMLS-SNOMED 归一化），CC BY 4.0 开放

askapatient.com 医疗评价论坛 API 采集的四种精神科药物（Zoloft/Lexapro/Cymbalta/Effexor XR）患者评论，经去个人信息与语法修正后拆句，双人标注句子分类（ADR/WD/SSI/DI/EF/INF/Others 七类）与四类实体 mention，再归一化到 UMLS 与 SNOMED CT；CSV 格式分发 47

医学问答与基准医疗NLP生物医学文献多模态临床文本

MMedC — 255 亿 token 多语言医学预训练语料

文本数据原始数据不涉及患者（纯文本预训练语料，非病例数据）；语料量约 255 亿 token，覆盖 6 主语言（HF 实挂 8 语言），HF 存储 105.1 GB

上海交大「Towards Building Multilingual Language Model for Medicine」官方预训练语料——六主语言（HF 实挂八语言）255 亿 token、四类来源（CommonCrawl 过滤/教材 OCR/医学网站/小规模语料）、CC BY-NC-SA 4.0 无门禁公开，配套 MMedBench 基准与 MMed-Llama 3 系列模型

四类来源合成：(i) CulturaX/CommonCrawl 医学内容（每语言 200 术语、MKC+DENS 双阈值过滤）(ii) >20,000 本医学教科书 PaddleOCR 正文（英 4B/中 1.1B/俄 0.4B/法 0.3B token）(iii) 医学百科/咨询/新闻站点 (iv) 现有小规模医学语料（Wikipedia/百度百科/UFAL） 42

公共卫生与流行病学药物发现与化学化学信息学药物安全知识图谱

EPA CompTox Chemicals Dashboard — 137 万化学品毒理与暴露信息聚合门户

知识库结构化数据预测数据不适用（化学品记录：v2.8 共 1,376,722 种化学品）

美国 EPA 计算毒理学与暴露中心（CCTE）打造的化学品信息「一站式门户」：以 DSSTox 身份体系（DTXSID/DTXCID）为骨架，聚合 ToxCast 体外生物活性、ToxValDB 毒性值、ToxRefDB 动物毒性、CPDat 用途、OPERA 预测等 20 余个数据源，覆盖 1,376,722 种化学品，全部美国政府公共领域开放数据；本文厘清「门户 ≠ 单一数据集」的边界，并给出 API 只读取数与批量下载的实操路径

化学身份层 DSSTox（20241112 快照，含 DTXSID/DTXCID、MS-Ready/QSAR-Ready 结构、InChI/InChIKey、CASRN）+ 20 余个数据源：ToxCast/invitrodb v4.2、ToxValDB v9.6.2、ToxRefDB v2.1、CPDat 4.0.0、OPERA v2.6、HTTK v2.3、ChemPROP 20191118、ACD/PERCEPTA、NHANES 生物监测、暴露预测、生产量数据等（明细见正文 §2 与附录 A） 32

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。