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 1848 个数据集

神经科学脑影像MRI医学图像分割评测基准

Neurofeedback Skull-stripped — 脑部 MRI 颅骨剥离金标准库

影像数据人工标注原始数据125 例受试者（77 女 + 48 男，21–45 岁，均值 31、标准差 6.6）；其中 66 例有 ≥1 项当前或既往精神科诊断（SCID/DSM-IV）；每例含 T1w 原图 + 脑图 + 脑

NKI Enhanced Rockland Sample 神经反馈子研究 125 例 T1 加权 MRI 的手工校正颅骨剥离库——BEaST 自动初剥 + Freeview 逐例手修（85 例编辑）的迭代 bootstrap 工艺，无条件开放、无需数据使用协议，为脑提取算法提供金标准训练/测试数据

NKI Enhanced Rockland Sample Neurofeedback Study（NFB）第三次访问的 3T Siemens Magnetom TIM Trio 3D MPRAGE T1 加权解剖 MRI（1×1×1 mm³），经去脸匿名化后由 BEaST v1.15.00 自动初剥、Freeview 手工校正，迭代 bootstrap 形成 125 例金标准掩码（另附 NFB 定制 BEaST prior library） 35

生理信号脑电信号神经科学癫痫

Siena Scalp EEG Database — 14 例癫痫患者头皮脑电 47 次发作长程参考集

原始数据时序数据人工标注14 例癫痫患者（9 男 / 5 女，PhysioNet 摘要口径；subject_info.csv 逐行实为 8 男 / 6 女）

锡耶纳大学神经内科与神经生理学科 14 例癫痫患者视频-EEG，512 Hz、国际 10-20 导联、47 次发作 / 约 128 小时，CC BY 4.0 于 PhysioNet 公开；源自托斯卡纳 PANACEE 非侵入式发作预测项目，是成人头皮脑电发作检测与预测的经典长程数据锚点

锡耶纳大学神经内科与神经生理学科视频-EEG：14 个文件夹（PNxx）共 1-5 个 EDF 文件/例（512 Hz、国际 10-20 导联、29 或 20 通道 EEG + 1-2 路 EKG）+ Seizures-list-PNxx.txt（逐次发作起止时刻）+ subject_info.csv（性别、年龄、ILAE 分类、通道数、发作数、记录分钟） 35

生理信号脑电信号神经科学癫痫评测基准

TUH EEG Events Corpus — 天普大学脑电事件语料库，六类 EEG 事件逐通道标注基准

人工标注信号数据原始数据约 230 个 EEG 会话（社区常用口径 149 train / 83 eval，患者级互斥划分；官方页未列会话总数，见 §9.3 口径存照）

TUH EEG Corpus（TUEG）的六类事件标注子集 v2.0.1：棘波尖波/全面性周期性放电/偏侧性周期性放电/眼动/伪影/背景逐通道秒级标注，NEDC 专家生产，患者级 train/eval 官方划分，EEG 基础模型事件分类事实基准，免费注册 rsync 获取、无需 IRB 或 DUA

TUH EEG Corpus（TUEG）临床头皮 EEG 记录子集 + NEDC 专家逐通道六类事件标注（.rec/.lab 双格式，1 秒标注窗） 40

生理信号脑电信号癫痫评测基准

TUH Abnormal EEG Corpus — 天普大学异常脑电语料库 · 临床正常/异常二分类基准

原始数据临床数据人工标注2,993 条 EDF 记录 / 2,383 名受试者（官方 AAREADME 表：Normal 1,385 + Abnormal 998）；eval 253 唯一受试者 / train 2,076

天普大学医院 2002-2017 临床 EEG 中 2,993 条已判读记录、2,383 名受试者构成的正常/异常二分类子语料——由 López 2017 硕士论文建立、NEDC 维护至 v3.0.1，是 EEG 病理筛查的起步基准，并衍生出 TUABEX/TUABEXB/AutoTUAB 扩展谱系

Temple University Hospital 2002-2017 常规临床 EEG（10-20 系统，仅 01_tcp_ar 一种参考配置，EDF 剪枝格式），临床判读报告导出 normal/abnormal 记录级标签；约 60 GB；版本链 v2.0.0→v3.0.0→v3.0.1 43

医学影像视觉问答多模态影像评测基准影像-文本对齐

Med-MIM — 医学多图像指令数据集与多图像视觉能力基准

人工标注合成数据影像数据未披露患者级数量；指令数据集 83.2K QA 对（81.3K 图像，含 56 例多访视/多视角序列源）；held-in 基准 2,968 闭式 + 256 开式；held-out 基准各 300 闭

香港中文大学 83.2K 医学多图像 QA 指令数据集——四种多图像视觉能力（时序理解/推理/比较/共指）由 MS-CXR-T、EMBED、LUMIERE 与 LLaVA-Med VQA 构建，微调出 Med-Mantis 与 MIM-LLaVA-Med，配套 held-in/held-out 基准

四类多图像源：MS-CXR-T（胸部 X 线时序关系）+ EMBED（Emory 乳腺 X 线多视角）+ LUMIERE（纵向胶质母细胞瘤 MRI 多访视/多模态）构成 inherent 子集；LLaVA-Med VQA / PMC-15M 经手动分组加位置后缀构成 composed 子集；G（GPT-4o + 迭代润色）生成指令。held-out 由 VQA-RAD 改编 MIM-RAD、由 ODIR 构建 MIM-ODIR 31

医学问答与基准多模态视觉问答评测基准医学影像医学问答

MedFrameQA — 医学视频多帧视觉问答基准

multi-image-vqamedical-video-framesmultiple-choice-questionscross-frame-reasoningenglish-corpus0（非患者队列数据集：来自医学教育视频的提帧素材，无患者标识与随访记录）

医学视频多帧视觉问答基准：从 3,420 个医学教育视频提取 9,237 帧、组装 2,851 道跨帧多选题，首个显式评估医学 VQA 多图像推理，UCSC VLAA 实验室出品

MedFrameQA 官方发布四件套：arXiv 论文、项目页、GitHub 仓库 haojinw0027/MedFrameQA、HuggingFace 数据集 SuhaoYu1020/MedFrameQA url: https://huggingface.co/datasets/SuhaoYu1020/MedFrameQA 31

电子健康记录医学问答与基准临床电子病历评测基准医疗NLP

MedAgentBench — 虚拟 EHR 环境下的医学 LLM 智能体评测基准

合成数据文本数据结构化数据人工标注100 例去标识化患者档案（unique individuals=100；平均年龄 58.15±19.82 岁；女性 47%）；数据点 785,207 条；时间跨度近 5 年（截止 2018-11-1

斯坦福团队构建的医疗智能体交互式基准：300 个医生撰写任务 × 100 例去标识化 STARR 患者 × 785,207 条 FHIR 记录 × 9 个检索/开单函数，12 个前沿 LLM 在 pass@1 下最高仅 69.67%，首次把医疗 AI 评测从「静态问答」推向「多轮工具调用」

Stanford 去标识化临床数据仓库 STARR（STAnford Research Repository）派生的 100 例真实患者档案（患者级时间戳 jitter），提取近 5 年检验结果、生命体征、医嘱、诊断与用药医嘱，编码 LOINC/CPT/ICD10/NDC/SNOMED，加载进 HAPI FHIR JPA + H2 持久化数据库构成本地虚拟 EHR；配套 300 个医生撰写任务 + 9 个 FHIR 函数 + AgentBench 派生评分代码库 40

医学问答与基准医学问答评测基准医疗NLP临床文本公共卫生与流行病学

HealthBench — OpenAI 医疗对话评测基准

文本数据人工标注基准数据不适用（非患者级数据；5,000 段构造/采集并脱敏的开放式健康对话，含个体用户与医护人员两类 persona）

262 位执业于 60 国的医生手写 48,562 条 rubric 标准，为 5,000 段多轮健康对话逐题打分——OpenAI 用「医生出题、模型评分」把医疗 LLM 评测从选择题推向开放式临床对话，MIT 许可全量公开

5,000 段多轮健康对话（个体用户 ⇄ 模型 / 医护人员 ⇄ 模型）+ 48,562 条对话专属医生撰写 rubric 评分标准；变体 Consensus 3,671 例 / Hard 1,000 例；数据托管于 HuggingFace openai/healthbench（MIT）与 GitHub openai/simple-evals 52

基因组学与多组学蛋白质组学变异与注释知识图谱药物发现与化学肿瘤学

PhosphoSitePlus — 人鼠翻译后修饰位点策展金标准，60 万+ PTM 位点

人工标注知识库原始数据非患者数据（分子/蛋白层级知识库）：59,432 蛋白、600,632 PTM 位点（官网快照）

CST 自 2001 年手工策展、NIH 资助的系统生物学资源：以 59,432 蛋白 / 600,632 翻译后修饰位点 / 29,658 篇文献构成磷酸化-泛素化-乙酰化等 PTM 的知识底座，非商业学术免费（CC BY-NC-SA），是激酶-底物富集分析（KSEA）最常用的金标准库

近 10,000 篇期刊论文手工策展（480+ 期刊）+ CST 未发表 MS2 数据 + 公开蛋白序列；覆盖 human/mouse 及 27 物种 38

基因组学与多组学蛋白质组学知识图谱药物-靶点相互作用生物医学文献评测基准

BioGRID — 生物交互数据库

人工标注知识库原始数据不适用（分子实体级数据库：93,373 唯一基因/蛋白，非患者数据）

专家人工策展的蛋白-遗传-化学交互仓库：2,364,201 条非冗余互作、84,000+ 篇原始文献、80+ 策展物种，以实验证据优先与二元关系模型对照 STRING 的计算预测与 IntAct 的 IMEx 精细策展

BioGRID 月度策展更新（当前 5.0.262）：蛋白/遗传/化学互作 + PTM 位点 + ORCS CRISPR 筛选；下载格式含 tab2/tab3、PSI-MITAB、PSI-MI XML、JSON 34

基因组学与多组学蛋白质组学变异与注释知识图谱药物发现与化学

ECOD — 蛋白质结构域演化分类数据库，PDB 与 AlphaFold 结构的同源层级体系

原始数据知识库公开数据无（非患者数据集）——覆盖对象为蛋白结构：317,021 域（v22b, 2013）→ 898,379 域（develop285）→ 超 1.8M 域（NAR 2025，PDB+AFDB）

ECOD（Evolutionary Classification of Protein Domains）把 PDB 实验结构与 AlphaFold 预测结构中的蛋白结构域按演化同源关系组织成 Architecture/Possible-homology/Homology/Topology/Family 五级层级，以同源优先于拓扑、每周跟随 PDB 发布更新的独特定位，编录超 180 万个结构域，成为区分 CATH/SCOP 结构分类的关键互补资源

PDB 实验测定结构（每周释放同步分类，每条结构发布后一周内完成）+ AlphaFold Database 预测结构（48 whole proteomes 全蛋白组 + Swiss-Prot 542,378 蛋白，DPAM 解析分配）；分类参考同源关系由序列（BLAST/HHsearch）与结构（DaliLite）双管线叠加人工审编确定 26

基因组学与多组学变异与注释蛋白质组学知识图谱评测基准

CATH-Gene3D — 蛋白质结构域层级分类数据库

原始数据注释数据结构化数据非患者数据集；规模以蛋白域计——CATH v4.4 含 601,493 个实验测定域条目、151 million 蛋白域（含 Gene3D 预测）、6,573 个超家族、150,885 个已注释 PD

UCL Orengo 组自 1990 年代维护的蛋白结构域分类体系：按 Class/Architecture/Topology/Homologous superfamily 四级层级分类 15 万 PDB 结构、1.51 亿蛋白域，融合 AlphaFold 预测打造 TED 与 6,573 个超家族——与 SCOP/ECOD 并列的三大结构分类资源之一

Protein Data Bank（实验测定蛋白结构，分辨率<4.0Å 晶体 + NMR）+ AlphaFold Protein Structure Database（预测结构，经 TED 资源）+ UniProtKB/Ensembl（序列注释，Gene3D HMM 扫描） 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。