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

基因组学与多组学蛋白质组学变异与注释知识图谱生物医学文献

Pfam — 蛋白质家族与结构域数据库，InterPro 联盟最大成员库

参考数据序列数据开放许可不适用（非患者数据集；规模以 Pfam 条目/家族/clan 计）

Pfam 用「seed 多序列比对 + profile 隐马尔可夫模型（HMM）」表征蛋白质家族与结构域——2015 起隶属 InterPro 联盟并成为其覆盖主力（Pfam 38.2 的 30,134 条签名中 96.7% 被 InterPro 整合），数据 CC0；本条目重点消歧「Pfam = 单一成员库」与「InterPro = 整合框架」的分工

Pfam-A 条目集（25,545@38.0 / 27,481@38.1 / 30,134@38.2）= seed 多序列比对 + profile HMM + full 比对 + clan 归并表；源自 UniProt Reference Proteomes 与 UniProtKB，随 InterPro 发布 33

医学影像CT医学图像分割公共卫生与流行病学挑战赛数据集COVID-19

CCP-COVID19 Lung CT Lesion Segmentation Challenge — 肺部 CT 病灶分割国际挑战赛

影像数据人工标注原始数据295 幅胸部 CT（官方以「图像数=患者数」表述：训练 199 患者 + 验证 50 患者 + 测试 46 患者；来源 A 272 幅、来源 B 23 幅）

NVIDIA+NIH+美国国家儿童医院 2020 年疫情期间组织的 295 幅胸部 CT 肺病灶分割国际挑战赛——199 训练+50 验证+46 测试三源划分，1,096 支团队参赛，Dice/NSD/NAVE 三指标+MSD 排名方案，影像 CC BY 4.0+注释 CC0

两支 TCIA 公开胸部 CT：来源 A「CT Images in COVID-19」(doi:10.7937/tcia.2020.gqry-nc81，272 幅，中国) 用于训练 199+验证 50；来源 B「COVID-19-AR」(23 幅，美国) 仅用于测试；全部 RT-PCR 阳性患者的无造影增强胸部 CT + ITKSnap 修正的 COVID-19 肺病灶 ground truth 掩膜（单类） 30

医学影像CT医学图像分割COVID-19评测基准

COVID-19 CT Lung and Infection Segmentation Dataset

人工标注影像数据原始数据20 例 COVID-19 CT 体数据（Zenodo 本体）；论文基准扩展口径 70 例 annotated COVID-19 cases

20 例像素级标注 COVID-19 CT 体数据——双放射科医生标注加资深医生终审，左肺/右肺/感染三类掩码，配套首个医学分割数据高效学习基准（少样本/域泛化/知识迁移三任务、40+ 预训练基线），CC BY-4.0 Zenodo 公开直链

20 例 COVID-19 胸部 CT 体数据（NIfTI .nii.gz）+ 左肺/右肺/感染三类逐像素掩码（四种掩码组合包：Infection_Mask、Lung_Mask、Lung_and_Infection_Mask 与病例影像本体）+ 三基准任务官方划分与评估代码（Gitee 仓库） 31

药物发现与化学化学信息学知识图谱分子性质预测代谢组学

LOTUS — 开放天然产物结构-生物体对数据库

原始数据文献挖掘知识图谱750,000+ 引用的结构-生物体对；290,000+ 独特化学结构；40,000+ 独特生物体；75,000+ 文献引用（eLife 2022 论文口径，冻结时间戳 2021-12-20）

LOTUS（naturaL prOducTs occUrrence databaSe）：把 40+ 个孤立天然产物资源整合为 75 万+ 条带文献引用的结构-生物体对，托管 Wikidata、镜像 LNPN、冻结快照发布 Zenodo，CC0 完全开放——天然产物研究的知识管理基础设施

整合自 36 个有价值的公开天然产物资源（COCONUT 及其底层资源、KNApSAcK、NAPRALERT 子集、Dr. Duke/USDA、Cyanometdb、Datawarrior、Wakankensaku、DiaNat-DB 等），经 LOTUS 清洗管道去重验证后发布 30

生理信号脑电信号心电信号可穿戴传感多模态

DREAMER — 消费级可穿戴 EEG+ECG 情感识别数据库

人工标注生理信号数据原始数据自评标签23 名健康受试者（14 男 / 9 女；年龄 22-33 岁，均值 26.6 岁）

西苏格兰大学用 Emotiv EPOC 14 通道脑电与 Shimmer2 心电、让 23 名受试者观看 18 段电影片段并自评效价-唤醒-支配三维情感的首个低成本低功耗可穿戴多模态情感生理数据库——证明消费级设备可达到医疗级设备的分类性能

Emotiv EPOC 14 通道 EEG（128 Hz）+ Shimmer2 2 通道 ECG（256 Hz）+ 逐段效价-唤醒-支配 1-5 自评分；23 人 × 18 段电影片段 = 414 组记录（含基线段）；单文件 DREAMER.mat 分发 41

生理信号心电信号多模态可穿戴传感

EPHNOGRAM：24 人长跑中同步心电与心音

心音图心电同步运动负荷试验电机械耦联噪声抵消自制设备小样本多模态融合24

二〇二一年伊朗设拉子的一个课题组做了件别人没做过的事：让同一颗心脏的电与声在同一台设备上同时被录下来，一录半小时，而且是在跑步机上录。数据不大，十一吉字节，但它回答了一个心电和心音分开采的数据集永远答不了的问题

伊朗设拉子大学电气与计算机工程学院；美国埃默里大学；设拉子大学生物医学工程伦理审查委员会批准 26

生理信号心血管疾病儿科评测基准

CirCor 心音：942 名儿童 4 部位同步听诊

心音图心脏杂音先天性心脏病筛查心动周期分割听诊部位儿科人群多中心采集挑战赛数据942

二〇一四到二〇一八年，巴西与美国的医生用数字听诊器在四个部位各录二十来秒，凑出一份真正按心动周期切好的心音数据。它最容易被误用的地方，也是它最好的地方：那些分段标签是算法吐出来的，不是医生一句一句听出来的

巴西米纳斯吉拉斯联邦大学（UFMG）与巴西利亚大学（UnB）医学院；美国哈佛医学院波士顿儿童医院；美国乔治亚理工学院；PhysioNet 与 Computing in Cardiology 联合主办 26

生理信号脑电信号评测基准神经科学

RSVP 脑电：3 档闪现速度下的目标检测

二〇一三年在英国做的 RSVP 脑电实验，八个枕顶电极、2048 赫兹采样，每秒五张、六张、十张图切过去，其中一成带飞机。数据躺了四年才公开，而它最值钱的部分——目标出现的横向位置——暴露了一件事：刺激序列并不是每个人现做的

牛津大学工程科学系生物医学工程研究所（Institute of Biomedical Engineering, University of Oxford）；EPSRC 与 Wellcome Trust 资助 25

生理信号步态与运动评测基准神经科学

GaitPDB：帕金森步态足底压力 2 分钟记录

帕金森病步态垂直地反力足底压力步时变异性双任务力传感器166

脚垫下八枚压力传感器、100 赫兹、每人走两分钟平路，Galit、Ju、Si 三项研究合成一份 302 MB 的原始垂直地反力数据。本页把 306 个数据文件逐行算了一遍：三万三千一百七十五百五十行、总时长九个多小时，并把步时与步幅变异性两组指标重算出来——结果与条目页引用的那个 2.7% 并不一致。

以色列特拉维夫 Sourasky 医学中心运动障碍单元步态与神经动力学实验室；美国波士顿 Beth Israel Deaconess 医学中心 23