即取即用的 AI-Ready 医疗数据集库

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

医学影像X光影像目标检测评测基准

CariesXrays — 首个公开发布的医院级全景牙科 X 光龋齿检测基准（6000 张 / 13778 实例）

人工标注影像数据原始数据5,380 名患者（6,000 张全景片；训练 4,800 / 测试 1,200）

华南师范大学与哈工大（深圳）团队 2024 年发表于 AAAI-24 AI for Social Impact 赛道的全景牙科 X 光龋齿检测数据集：6,000 张全景片、5,380 名患者、13,778（摘要口径 13,783）个经至少 3 名牙科专业人员复核的龋齿包围盒，是作者自述的首个公开自动化龋齿诊断数据集

临床环境采集的全景牙科 X 光片，经伪影/畸变/摆位筛查后统一 resize 至 1333×800 位图，由至少 3 名牙科专业人员以包围盒标注龋齿，经 GitHub（代码）与 Google Drive（数据）公开 59

基因组学与多组学单细胞基因组学转录组表观基因组评测基准药物发现与化学

scPerturb — 44 个标准化单细胞扰动 — 响应数据集资源

原始数据分子数据多模态数据44 个数据集（25 篇出版物）；单一最大集 ReplogleWeissman2022 > 250 万细胞；每实验平均约 16 万、中位约 6.5 万细胞；全资源细胞总数未汇总

Nature Methods 2024 收录 25 篇文献、44 个公开单细胞扰动数据集，统一质控与特征注释后以 .h5ad 与多特征 ATAC 矩阵公开，并以 E-distance/E-test 给出扰动效应的能量统计度量，成为单细胞扰动响应方法的公共基准底座

25 篇原始文献的公开单细胞扰动数据集（GEO/ArrayExpress/Broad Single Cell Portal/figshare 等来源），经统一 QC（≥1000 UMI/细胞、基因至少 50 细胞表达、2000 高变基因、PCA 50 维；ATAC 经 ArchR v1.0.1）与特征注释协调化，落盘为 AnnData .h5ad（RNA/蛋白）与多特征矩阵（ATAC） 32

神经科学脑影像脑机接口评测基准

C. elegans Connectome — 秀丽隐杆线虫发育期全脑连接组

影像数据原始数据人工标注8 只同源（isogenic）C. elegans 个体；物种常量 302 个神经元（雌雄同体）

8 只同源线虫跨出生后发育阶段的串行切片电子显微镜全脑连接组重建——302 个神经元、化学突触与电连接逐个体推导，首次揭示「连接身份稳定、连接强度动态」的脑成熟原理，数据以 CC-BY-4.0 托管于 Zenodo/BossDB 并配 NemaNode 在线浏览

8 只同源 C. elegans 出生后各发育阶段的串行切片电子显微镜（ssEM）全脑体积 → 神经元分割与骨架重建 → 化学突触（typ=0）与电连接/缝隙连接（typ=2）逐连接突触计数；配套 NemaNode 交互可视化的 cell/connection/dataset 三层结构数据；原始 EM 图像托管 BossDB，3D 神经元模型与数据托管 Zenodo，另见 WormWiring 门户 28

药物发现与化学药物安全知识图谱临床电子病历医疗登记

DDInter 2.0 — 药物相互作用策展数据库

结构化数据文本数据人工标注知识库不适用（药物级知识库，非患者级数据；覆盖 2,310 种获批药物实体）

中南大学湘雅药学院曹东升团队的开放获取药物相互作用知识库：DDI 302,516 条 + 药物-食物 857 条 + 药物-疾病 8,359 条 + 治疗重复 6,033 条，覆盖 2,310 种获批药物，8,398 条机制描述与处置建议，NAR 2025 数据库专刊发布，非商用许可

PubMed 文献、药品说明书（package inserts）与产品标签抽取并人工策展的药物相互作用知识；含 DDI 302,516 条、DFI 857 条、DDSI 8,359 条、治疗重复 6,033 条，源于 16,028 篇文献 45

医学影像病理图像基因组学与多组学转录组医学图像分割肿瘤学

STHELAR — 空间转录组×H&E 配对的多组织细胞类型注释数据集

影像数据组学数据人工标注31 例（22 例癌症 + 9 例非癌）；31 张 Xenium FFPE 切片

巴黎萨克雷 CentraleSupélec 的 31 张 Xenium FFPE 切片、16 种组织类型、超 1100 万带注释细胞——以 Tangram 对齐单细胞图谱、显式 ST-H&E 共配准与 SpatialData 对象发布，让模型直接从病理图像读出细胞类型

10x Genomics Xenium 空间转录组（FFPE 人类样本，31 切片/16 组织类型）+ 共配准 H&E 全切片图像与 40×/20× patch（40× 587,555 + 20× 154,814）+ 细胞/核分割边界与 10 类细胞类型注释 + CellViT/Phikon-v2/ViT/scVI 多源嵌入，以 per-slide SpatialData 对象（.zarr.zip）发布 37

神经科学脑影像医学图像分割图像分类癫痫

H01 — 人颞叶皮层 1 mm³ 突触级电镜重建

影像数据原始数据人工标注1 例（1 位 45 岁女性药物难治性颞叶癫痫患者手术切除的旁路颞叶皮层，1 mm³）

人颞叶皮层 1 立方毫米体积的连续切片电子显微镜重建——约 1.4 PB、约 5.7 万细胞、1.5-1.83 亿突触、104 个手工校对神经元，Harvard Lichtman 实验室 + Google Research 联合发布，Science 2024，CC BY 4.0 完全开放

连续切片电子显微镜（ssEM）成像的人颞叶皮层 1 mm³ 体积数据（4 nm 平面分辨率、约 33 nm 切厚、约 5,019-5,300 切片、约 2.25 亿张 2D 图像、约 1.4 PB）+ 自动化分割与突触检测（neuropil/nucleus/vessel/myelin 掩膜、6 类亚细胞结构、E/I 突触点与 mesh、c2/c3 两档分割）+ 104 个手工校对神经元 SWC/mesh + 突触连接数据库（Apache Avro） 28

医学影像挑战赛数据集评测基准医学图像分割目标检测时序数据

Cell Tracking Challenge — 细胞分割与追踪十余年客观基准

影像数据原始数据人工标注20 个数据集（2D+t 10 个 + 3D+t 10 个）；CTB/CSB 各含 13 个评测数据集；多物种（人/小鼠/大鼠/线虫/果蝇/拟谷盗）

细胞时序显微视频分割/关联/追踪的客观基准——马萨里克大学 CBIA 主办，自 2012 年运行逾十年，三大基准 CTB/CSB/CLB 覆盖 20 个真实与合成 2D/3D 数据集，月度评估，Nature Methods 三次系统分析

真实与计算机生成（synthetic）2D/3D 时序显微视频（荧光/相差/明场/DIC）+ gold truth（金标准追踪与分割）与 silver reference（银参考分割标注）；测试集不含参考标注 33

神经科学脑影像多模态单细胞基因组学评测基准

MICrONS — 小鼠视皮层立方毫米功能-结构联合连接组图谱

原始数据影像数据人工标注1 只 P87 小鼠（单被试，非人群队列）；体积内约 200,000 细胞、约 120,000 神经元、约 75,000 有功能记录的神经元

IARPA MICrONS 项目以双光子钙成像与串行切片电镜在同一只 P87 小鼠 1.4×0.87×0.84 mm 视皮层体积上联合采集功能与结构数据，重建约 20 万细胞、约 12 万神经元与 5.23 亿突触，成为首个跨多脑区的哺乳动物皮层功能连接组开放资源

同体联合采集：双光子钙成像（in vivo 功能响应）＋串行切片透射电镜（ex vivo 结构）＋ microCT（对齐），经 AI 卷积网络重建与人工校对后的多模态数据资源 40

医疗NLP医学问答与基准临床文本医学考试评测基准

MedS-Ins — 面向医学大模型的大规模指令微调语料：58 个语料库、500 万实例、1.9 万条指令

指令微调文本语料知识库未披露（数据集为指令-实例对语料，非患者级队列；官方口径 500 万实例（instances）/ 1.9 万条指令（instructions），据此可复核）

上海交通大学与上海 AI Lab 联合中国移动发布的首个全面医学指令微调数据集（与 MedS-Bench 基准、MMedIns-Llama 3 模型成对发布）——整合 58 个生物医学语料库，覆盖考试、临床文本、学术论文、医学知识库、日常对话五大来源共 122 项任务；现行口径计 500 万实例 + 1.9 万条指令（v1 论文因「指令与实例组合各计一样本」曾计 13.5M，双口径详见表），仓库许可 CC BY-SA、论文版权 CC BY 4.0，HuggingFace 公开约 7.58 GB

58 个医学生物语料库（exams 考试 / clinical texts 临床文本 / academic papers 学术论文 / medical knowledge bases 医学知识库 / daily conversations 日常对话五大域）经 Super-NaturalInstructions 式模板重组的 122 项任务指令-实例对；HF 公开约 7.58 GB 23