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

生理信号语音信号调查数据公共卫生与流行病学儿科

Bridge2AI-Voice Pediatric Dataset — 首个儿科嗓音生物标志物旗舰数据集

原始数据派生特征问卷数据300 名 2-18 岁儿童（SickKids 单站点）；23,533 段录音（v1.1.0）

NIH Bridge2AI 项目下首个儿科嗓音数据集：300 名 2-18 岁儿童、23,533 段录音的派生音频特征与表型数据；SickKids 单站点采集、年龄分层协议、注册凭证访问（DUA）

PhysioNet b2ai-voice-pediatric v1.1.0：features 派生音频特征（torchaudio 谱图/Mel 谱图/MFCC/pitch、sparc EMA/响度/周期性/pitch、ppgs）+ phenotype 表型问卷 + metadata 录音元数据（Parquet + TSV，经 b2aiprep 库导出） 28

生理信号语音信号儿科多模态队列研究评测基准

BABYCRY-UJM-AXA — 1,000 名足月新生儿哭声声音库

原始数据音频数据真实世界数据1,000 名足月新生儿（1,040 名入组，40 名在记录日未哭）；日龄 15.81–141.60 小时

圣艾蒂安大学 ENES 团队在产科病房连续高保真录音，用主动学习+集成方法自动抽取 107,312 条哭声序列——迄今全球最大婴儿哭声音频库，CC BY 公开 81 GB，配音 176 个声学描述子，服务神经发育风险早筛

产科病房连续高保真录音（44,100 Hz / 32-bit）+ 主动学习与集成方法自动抽取的 107,312 条哭声 .wav + metadata.csv（人体测量学/孕产史/分娩情境 + 176 声学描述子）+ code.zip（Python 管线 + R 技术验证） 40

生理信号可穿戴传感步态与运动多模态时序数据儿科

LIVE-GaitNeuroKids — 儿科多模态纵向步态数据集：IMU＋sEMG＋三视角视频，覆盖脑瘫/踮足/典型发育

生理信号数据视频数据原始数据临床数据59 名儿童参与者（脑瘫 CP 22 + 特发性踮足 ITW 12 + 典型发育 TD 25；男 38 / 女 21；平均年龄 8.8 ± 2.5 岁）；病理组含治疗前后 T0/T1/T2 纵向随访

西班牙华亚多利德大学等发布的首个面向儿童步态三模态开放数据集——59 名参与者（CP 22 / ITW 12 / TD 25），Xsens 惯性运动捕捉＋ Delsys Trigno 四通道表面肌电＋三视角视频同步，含治疗前后 T0/T1/T2 纵向随访，Zenodo 公开 CC BY 4.0 直取约 9.5 GB

Xsens 身体穿戴惯性运动捕捉系统（下身 IMU 3D 运动学）＋ Delsys Trigno 四通道表面肌电（胫骨前肌、腓肠肌）＋三视角视频（前左、前右、矢状面）同步采集；Zenodo 公开文件 DATASET.zip（7.73 GB）/ VIDEO.zip（1.73 GB）/ ANALYSIS.zip（76.2 MB）/ PARTICIPANT_CHARACTERISTICS.xlsx（44.2 kB） 37

电子健康记录知识图谱命名实体识别药物发现与化学医疗NLP

TCMSSD — 中医证候标准化数据库

结构化数据知识库文献数据不适用（文献与公共数据库整合的证候—疾病—处方—中药—成分—靶点—药物知识库，非患者级临床队列）

浙江中医药大学构建的证候辨证综合库：624 证候 / 133,518 处方 / 8,073 疾病 / 8,259 中草药 / 43,413 成分 / 17,602 靶点 / 8,182 药物，深度学习知识图谱 + BM25 证候预测，打通中医证候与西医分子层

《中医证候学》(Zhong Yi Zheng Hou Xue) 与《中医内科学》(Zhong Yi Nei Ke Xue) 文献 + TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem 等公共数据库整合 38

医疗NLP医学问答与基准知识图谱电子健康记录临床文本

TCMEval-SDT — 中医辨证思维四步推理评测基准数据集

人工标注文本数据评测数据300 例中医证候诊断病例（训练 200 / 测试 50 / 验证 50）

中国中医科学院主导、发表于 Scientific Data 的首个中医证候诊断「思维过程」评测基准——300 例专家标注病例、四步推理链、十选项病机证候多选题、CC-BY 4.0 经 figshare 公开，覆盖 GLM/ChatGPT/通义千问/Gemini 四大模型辨证能力横评

中医证候诊断病例文本集：源自 CNKI、万方数据、中医古籍与医院病历三源，经清洗/匿名化/去重后由中医专家用百部知识引擎标注，含 13 字段元数据（病历 ID、临床数据、解释性总结、证候、临床信息、病机及推理链、选项与答案） 40

医学影像目标检测图像分类评测基准多模态公共卫生与流行病学

TCM-Tongue — 首个 AI 中医舌诊标准化舌象数据集

人工标注影像数据原始数据6,719 张舌象图像（受试者/患者总人数未披露）；训练 5,594 / 验证 572 / 测试 553（测试含 10% 疑难病例）

6,719 张 D65 标准光源下采集的舌象高清图，20 类病理症状多标签（每图平均 2.54 标签，执业中医师双验证），三种标注格式 + YOLOv5/v7/v8/SSD/MobileNetV2 基准，CC BY 4.0 公开

定制双摄标准化舌象采集系统（D65 标准光源、sub-100μm 焦点堆叠、3-8s/人）所得 6,719 张高清舌象 + 20 类病理症状多标签（COCO/YOLO TXT/PASCAL VOC XML 三格式）+ YOLO 检测代码 55

医学影像CT肿瘤学队列研究

Head-Neck-CT-Atlas — MD 安德森 215 例头颈鳞癌根治性放疗 CT 图集：诊断/计划/随访三期影像 + OAR 与靶区轮廓 + 匹配临床变量

影像数据原始数据人工标注临床数据215 例头颈鳞癌（HNSCC）根治性放疗患者（初筛 MDACC 2003-10 至 2013-08 连续 2840 例，纳入 RT 前后均有全身 PET-CT 或腹部 CT 者 215 例；排除初诊

TCIA 上 HNSCC 父集合（627 例）的头号子项目：215 例 MDACC 头颈鳞癌放疗患者 433,381 个 DICOM（CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE），含危及器官与靶区轮廓、ICRU 50/62 勾画依据、L3 体成分指标与 AJCC 7 分期临床表；临床表 CC BY 3.0，影像走 NIH 受控访问

TCIA 收录 MD 安德森头颈鳞癌放疗 CT 图集：CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE 六模态 DICOM（765 studies / 3,222 series / 433,381 images，99.79GB，扫描窗 2003-2013）+ 临床数据 XLSX（135kb）+ 数据字典 XLSX（98.65kb） 31

医学影像乳腺影像医学图像分割图像分类肿瘤学

QAMEBI — 乳腺病灶 B 超图像＋放射科医师手绘掩码开源库

人工标注影像数据原始数据232 例乳腺病灶（123 恶性／109 良性；患者数为 232 例近似 1 病灶／例，论文未单列独立患者数）

232 例组织病理确诊的乳腺超声病灶（123 恶性／109 良性），每例三份条目（原图＋GT 掩码＋融合图），伊朗・土耳其・马来西亚三国产学多中心，CC BY 4.0 免费开放下载——乳腺 B 超分类与分割研究的轻量级「金标准＋掩码」双重入口

伊朗・土耳其・马来西亚三国产学多中心乳腺 B-mode 超声（Aixplorer Ultimate／Supersonic Imagine）；232 例组织病理确诊病灶；每例三份条目（原图＋放射科医师手绘 GT 分割掩码＋融合图），Bitmap 格式 35

医学影像CT医学图像分割目标检测挑战赛数据集肿瘤学

ULS23 通用病灶分割挑战赛 — 胸腹盆 CT 三维通用病灶分割基准

影像数据人工标注分割掩码挑战赛数据训练集 38,693 病灶（胸腹盆 CT）；公开测试集 775 病灶 / 284 患者（Radboudumc 368/152pt + JBZ 407/132pt）；最终测试 725 病灶/268 患者

Radboudumc DIAG 主导的 ULS23 挑战赛与基准数据集——复用 DeepLesion 750 病灶并新标注骨 744/胰腺 124，聚合 10 个公开数据集共 38,693 病灶，测试集 775 病灶，CC BY-NC-SA 4.0，基线 nnUnet 半监督 Dice 0.703

复用 DeepLesion 测量信息并由学生三重分割取多数（DeepLesion3D 743-750 病灶）+ Radboudumc 资深放射科医生分割的骨 697-744 与胰腺 120-124 新标注 + 聚合 KiTS21/LiTS/NIH-LN/LIDC-IDRI/LNDb/MDSC 等公开数据集 30

医学影像MRI骨骼肌肉影像医学图像分割挑战赛数据集

SPIDER — 腰椎 MRI 分割多中心数据集与公开基准

人工标注影像数据原始数据公开 218 名患者 / 447 个 MRI series（218 studies）；全量采集 257 studies / 544 series（含 39 studies 隐藏测试集）

荷兰四院 218 患者 447 矢状位 T1/T2/T2-SPACE 腰椎 MRI 的椎骨-椎间盘-椎管三层参考分割 + 七类退变分级（Modic/Pfirrmann 等）+ 隐藏测试集上的 SPIDER Grand Challenge 公开基准

荷兰四家医院多中心腰椎矢状位 MRI（216 MB 级 images.zip 3.7GB + masks.zip 58.2MB）+ .mha 3D 体数据与同名分割掩膜 + overview.csv + radiological_gradings.csv；Retrieved from https://zenodo.org/records/8009679 33

基因组学与多组学蛋白质组学知识图谱评测基准

SAbDab2 — 面向机器学习的抗体结构数据库

实验数据结构数据原始数据人工标注不适用（抗体结构数据，非患者队列；21,237 个抗体实例来自 11,085 个 PDB ID）

牛津 OPIG 把 SAbDab（2013 起）重构成 ML 时代的抗体结构库：21,237 个抗体实例 / 11,085 个 PDB ID / 6,540 个 SAbDab2 ID，IMGT+ANARCII 编号，CC-BY 4.0，附带 15,641 条 ML-grade 可变区结构与版本化 train/test 划分

Protein Data Bank (PDB) 全部公开抗体结构（PDBx/mmCIF 格式）经 ANARCII 识别与 IMGT 编号后重新注释；ML-grade 子集为 X 射线/冷冻电镜、分辨率 ≤3.5 Å、非致病性、裁剪至可变区 IMGT 位 1–128 的结构 34