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 1840 个数据集

电子健康记录重症监护时序数据多模态评测基准

Lacuna — 跨三大洲 60 万住院的重症监护协调时序数据集

真实世界数据时序数据衍生数据超过 600,000 次住院（patient stays）；2025 ICareFM 口径扩至约 650,000；含儿科子集（PICdb 中位年龄约 2 岁）

把美欧中九个 ICU/ED 源库用 ricu 概念层协调成近 10 亿数据点的超大规模时序集合——首次纳入治疗变量（给药速率与剂量），并为跨院迁移学习立基准：LightGBM 仍胜深度模型

美国 MIMIC-III/MIMIC-IV/eICU/MIMIC-IV-ED + 欧洲 AmsterdamUMCdb/HiRID/SICdb + 中国 PICdb/Zigong EHR 共九个源库经 ricu 概念层协调；双格式导出（稠密全插补网格 + 时间-变量-值三元组） 28

真实世界数据药物安全公共卫生统计医疗登记

MAUDE — FDA 医疗器械不良事件报告数据库

真实世界数据公开数据文本数据无患者级计数（报告级数据，患者信息经 (b)(6) 脱敏）；报告总量：openFDA device/event 26,136,889 条（2026-09-08）、MDR Data Files mdrf

美国 FDA 依 21 CFR Part 803 强制收集的医疗器械不良事件（MDR）库：制造商/进口商/使用机构/自愿者四路报告，1991 年以来累计逾 2,300 万条，CC0 公有领域开放，配套 openFDA API 与全量 pipe-delimited 下载——器械安全监测的全球基准库

美国 FDA MAUDE 数据库（accessdata.fda.gov MAUDE 检索界面 + FDA MDR Data Files 全量下载 + openFDA device/event API 三路获取）；报告来源含制造商、进口商、器械使用机构（医院/门诊/护理院/门诊手术中心）及自愿报告者（医护人员/患者/消费者） 51

药物发现与化学化学信息学药物-靶点相互作用分子性质预测虚拟筛选评测基准

PLUMBER — 蛋白-配体未见靶点匹配基准，180 万条序列基结合活性数据

公开数据人工标注文本数据不适用（蛋白-配体配对数据，非患者级；约 180 万条活性值，train/val/test 各集精确行数官方未披露）

Bioptic 出品的序列基蛋白-配体结合预测基准：整合 ChEMBL+BindingDB+BioLip2 三源、经 PAINS 过滤与标准化得约 180 万条活性值，采用 PLINDER 未见靶点 split 做泛化压力测试，CC-BY-4.0 发布于 Polaris Hub

ChEMBL + BindingDB + BioLip2 三源蛋白-配体活性数据经再加工：仅取单体数据、ChEMBL Structure Pipeline 标准化 SMILES、BindingDB 优先、PAINS 过滤、val/test 二值化去重（Ki/Kd < 1 μM 判 active），按 PLINDER 蛋白 split 分配未见靶点 27

蛋白质组学分子生成医学问答与基准评测基准

MotifBench — 基序支架蛋白质设计的标准化评测基准

原始数据基准测试不适用（计算蛋白质设计基准，不含患者数据；30 个测试问题的 motif 均提取自 PDB 公开实验结构）

30 个来自 PDB 实验结构的挑战性 motif 测试问题 × 每问题 100 个骨架 = 3,000 个 backbone 的评测规范，以 ProteinMPNN 序列设计 + ESMFold 折叠验证的双 RMSD 判据量化基序支架方法，含开源实现与社区排行榜

GitHub blt2114/MotifBench（test_cases.csv + motif_pdbs/ 30 个 motif PDB + Scaffold-Lab 评测流水线 + scripts/）+ Zenodo 示例 scaffold 与评测输出（DOI 10.5281/zenodo.19690602 等） 30

医学图像分割目标检测挑战赛数据集评测基准蛋白质组学多模态

CZ CryoET Data Portal — 冷冻电子断层扫描标准化注释门户

影像数据原始数据人工标注预训练数据不适用（非患者数据；为细胞/大分子结构成像数据）

Chan Zuckerberg 影像研究所（CZ Imaging Institute）构建的 cryo-ET ML-ready 门户——以统一 schema 与云优化 OME-Zarr 格式聚合标准化三维细胞断层数据，五级实体（Deposition/Dataset/Run/Tomogram/Annotation）配 CC0 开放许可，为分割、粒子挑选与亚断层平均算法提供跨库训练与基准底座

CZ Imaging Institute 运营的 cryoET 标准化数据门户：90 个 Deposition（2026-10 实抓），涵盖数百 Dataset 与数万 Tomogram，示例 deposition CZCDP-10318 即含 27,388 tomograms / 25,210 annotations；含倾斜系列（tilt series）、重建断层图（tomogram）、大分子与细胞器注释；文件以 MRC 与云优化 OME-Zarr 提供 23

药物发现与化学分子性质预测化学信息学挑战赛数据集评测基准

OpenADMET ExpansionRx — 真实药企先导优化 ADMET 盲挑战数据集

实验数据分子数据基准数据7,600+ 小分子（train 5,326 + test 2,282 = 7,608；raw 7,618）；9 个挑战赛 ADMET 端点（raw 另含第 10 个 RLM CLint）

Expansion Therapeutics 开源 7,600+ 分子、9 个 ADMET 端点的真实先导优化数据，2025-10 至 2026-01 由 OpenADMET 与 Hugging Face 联合主办盲挑战，370+ 参赛者用时间切分预测晚期分子性质，CC-BY-4.0 全量公开

Expansion Therapeutics 临床前先导优化项目湿实验 ADMET 测定数据（HF：openadmet/openadmet-expansionrx-challenge-data） 39

药物发现与化学基因组学与多组学评测基准蛋白质组学

PSBench — 蛋白复合物结构模型准确性估计的大规模基准

预测数据模型评估数据公开基准不适用（非患者数据集）：79 个 CASP15/CASP16 蛋白复合物靶标（targets）；含 AlphaFold 生成的蛋白复合物预测结构模型，不涉及人类受试者

密苏里大学 2025 年 NeurIPS Datasets & Benchmarks 基准套件：5 个数据集、逾 140 万个由 AlphaFold2-Multimer 与 AlphaFold3 生成的蛋白复合物结构模型，逐模型标注全局/局部/界面三层共 10 种质量分数，衍生图变换器基线 GATE 在 CASP16 社区盲测名列前茅

CASP15 与 CASP16 竞赛期间由 MULTICOM3/MULTICOM4 生成的 in-house 结构模型 + CASP15/16 社区提交模型 + 2024-07 至 2025-08 新存入 PDB 的复合物条目模型；每模型标注 10 种质量分数（TM-score 4 变体/rmsd/lDDT/ics/ics_precision/ics_recall/ips/qs_global/qs_best/dockq_wave）与 6 种额外特征 28

医学问答与基准医疗NLP医学考试评测基准临床文本

MTCMB — 多任务中医评估基准

文本数据人工标注公开评测集不适用（非患者级临床数据集；样本为考试题/问答/医案文本，7,100 条标注样本，非具名患者）

中山大学等四机构联合持证中医师共建的中医药大模型评测基准：12 个子数据集、5 大维度（知识问答/语言理解/诊断推理/方剂推荐/安全评价）、7,100 条标注样本，源自国家执业考试题库、十三五教材与《中国药典》，CC BY 4.0 开放

国家中医执业医师与中级主治医师考试题库 + 「十三五」中医教材 + 《中华人民共和国药典》2020 版 + 中医智库 zhongyigen.com 医案 + 阿里云天池中医文献问答集 + CCL25-Eval Task 9 官方数据集 23

病理图像图像分类医学图像分割多模态评测基准肿瘤学

COBRA — 基底细胞癌及多样皮肤恶性肿瘤全切片病理数据集

人工标注影像数据原始数据文本数据官方称 6,000+ 张 WSI（AWS 页写 7,000+；相关论文口径 5,147 slides / 4,066 patients，2016-2020 采集）——多口径并存，详见正文 §2 与存照

Radboudumc 出品的皮肤病理全切片图像（WSI）数据集：BCC 活检 + 非 BCC 多样病变 + 带像素级标注的切除标本，配荷兰语病理报告与 PRISM 基础模型嵌入，兼顾分类、分割、OOD 检测与视觉语言研究

Radboudumc 皮肤病理全切片图像（3DHistech Pannoramic 1000 扫描，原始 0.24 µm/px，发布版重采样至 0.5 µm/px，pyramidal TIFF，256×256 tile，RGB 8-bit）+ 切片级诊断标签 + 切除标本 GeoJSON/TIFF 像素级标注 + 荷兰语病理结论 + PRISM 基础模型切片级/tile 级嵌入 + 匿名患者元数据 27

医学问答与基准罕见病电子健康记录临床文本知识图谱评测基准

RareBench — 大语言模型罕见病诊断能力评测基准

真实世界数据临床文本人工标注知识图谱1,197 例公开患者（RAMEDIS 624 / MME 40 / HMS 88 / LIRICAL 370 / PUMCH_ADM 75）；PUMCH 内部总盘 1,650 例仅公开 75 例；T

首次系统性评估 LLM 罕见病诊断的四维基准——1,197 例开源罕见病病例覆盖表型提取/筛查/比较分析/鉴别诊断，GPT-4 top-1 52.0% 头对头胜过资深专科医师 44.7%，动态少样本提示让六模型 top-1 召回平均 +108%

五大罕见病公开/临床数据源：RAMEDIS（欧洲，624 例）、MME（加拿大，40 例）、HMS（德国，88 例）、LIRICAL（多国，370 例）、PUMCH_ADM（北京协和医院，75 例）；表型以 HPO 编码、诊断以 OMIM/Orphanet/CCRD 编码；附 HPO 表型映射、疾病映射、IC 值表与 256 维表型嵌入 41

医学影像X光影像目标检测骨骼肌肉影像心血管疾病

CCK / VHSMarker — 犬类胸片心脏关键点与椎体心脏评分基准

人工标注影像数据关键点标注21,465 张侧位胸片；12,385 只犬；144 个品种 + 混种犬另计

21,465 张犬侧位胸片、12,385 只犬、144 品种的六点心脏关键点标注集——配套 10-12 秒/图标注工具 VHSMarker 与状态空间基线 MambaVHS（91.8%），把兽医胸片的心大评估从人工卡尺推向可复现基准

犬类胸椎侧位 X 光片（lateral thoracic radiographs）+ 每张 6 个心脏关键点坐标标注；Zenodo 托管，JSON/CSV/.mat 三格式，22.2 GB 33

基因组学与多组学转录组单细胞基因组学病理图像评测基准肿瘤学

Spatial Touchstone — 影像型空间转录组学界首个标准化评测与重现性基准

原始数据影像数据人工标注203 个空间 profile（公共 PUB 127 + ST 自产 76）；ST 自产来自 6 种组织、3 个全球站点、Xenium+CosMx 双平台全切扫描；约 800 万+细胞（FFPE）；配

St. Jude 牵头·三站点双平台（Xenium+CosMx SMI）跨机构重复实验，FFPE 六组织 203 个空间 profile（公共 127+自产 76）、800 万+细胞，配套 SpatialQM 软件与 Spatial Touchstone Portal 在线质控门户，把「先跑一遍看质量」变成空间生物学开工前的标准动作

10x Genomics Xenium（Multi-Tissue and Cancer Panel 377 基因 / Human Breast Panel 380 基因）与 Bruker CosMx SMI（Human Universal Cell Characterization RNA Panel 950 基因 + 50-target add-on）的 FFPE 全切扫描数据；NanoString 64-plex 蛋白 panel；同组织 snRNA-seq(snPATHO-seq) 参考谱 33

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。