即取即用的 AI-Ready 医疗数据集库

867 例盆腔放疗 CBCT 原始投影+采集几何+形变配准 planning CT+模拟投影的双厂商（Elekta/Varian）多中心投影域数据集：训练集 692 例约 750 GB 已于 2026-07 开放，验证/测试集封存至 2032-03 保障 COBRA2026 挑战赛独立评测，CC BY-NC 4.0

六欧洲中心直线加速器机载 CBCT 实测原始投影（Elekta 与 Varian 双厂商）+ RTK 格式采集几何 + 厂商校准/校正文件（匿名化转开放格式）+ 临床重建 CBCT + 形变配准 planning CT + 模拟 CBCT 投影；大数据本体托管 CREATIS（里昂），Zenodo 承载 DOI 索引与论文 PDF、训练集 QC 概览图 24

医学影像CT视觉问答评测基准目标检测影像-文本对齐

CT-Bench — DeepLesion 病灶级图文重标注与七任务 CT 视觉问答基准

人工标注影像数据原始数据3,793 名患者 / 7,795 例 CT 检查 / 20,335 个病灶实例（训练 2,835 人 / 验证 342 人 / 测试 616 人）

20,335 个病灶 / 7,795 例 CT / 3,793 名患者的病灶级描述、尺寸与 BBox 资源，叠加 2,850 道四选一难负例 QA，NIH 团队 GPT-4 预标+专家终审流水线产出，Kaggle 公开 CC BY-NC-SA 4.0

DeepLesion 子集（33,688 张 bookmark 图 → 保留 20,335 病灶 / 7,795 检查 / 3,793 患者）的 8-bit 窗化 PNG 关键切片 + BBox 坐标 + PACS 派生病灶描述与标准化尺寸 + RadLex 本体属性表 + 2,850 道七任务四选一 QA（qa_llm.json / qa_clip.json）+ 患者级划分文件 + 复现脚本 28

医学影像眼科影像图像分类糖尿病视网膜病变公共卫生与流行病学评测基准

mBRSET — 移动巴西视网膜数据集 5,164 张手持眼底照

人工标注影像数据原始数据1,291 名糖尿病患者 / 5,164 张眼底彩照（单次筛查活动，2022 年 11 月）

首个用 Phelcom Eyer 手持相机在巴西高负担社区场景采集的糖尿病视网膜病变数据集：5,164 张 / 1,291 名患者，附 ICDR 分级、黄斑水肿、教育/医保公平性标签

巴西巴伊亚州伊塔布纳市 Itabuna Diabetes Campaign 现场采集的 5,164 张眼底彩照（Phelcom Eyer + Samsung Galaxy S10，1600×1600 px JPEG）+ labels_mbrset.csv（24 列元数据与标签） 27

医疗NLP临床文本电子健康记录重症监护医学问答与基准

MIMIC-Ext-SynNotes — 用 LLM 改写 MIMIC-III/IV 生成的十亿词级合成临床笔记语料

合成数据文本数据原始数据约 464 万条唯一笔记（~1.4B 词，来源 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 去重后）；患者级数量沿用上游 MIMIC 口径（MIMIC-III 约 4 万

五个开源权重 LLM（Llama/Mistral/Qwen/Gemma/Mixtral）把 MIMIC-III v1.4 与 MIMIC-IV-Note v2.2 的全部 464 万条真实笔记改写为 8 个合成语料、合计 137 亿词——粗粒度任务保住效用、细粒度细节丢失，分片改写挽细节却增幻觉，是全库最大的 LLM 合成临床文本样本

MIMIC-III Clinical Database v1.4 与 MIMIC-IV-Note v2.2 的全部临床笔记（去标识），经 Llama-3.1-8B-Instruct / Mistral-7B-Instruct-v0.3 / Qwen-2.5-7B-Instruct（笔记级+分片级）与 Gemma-2-9B-it / Mixtral-8x7B-Instruct-v0.1（仅分片级）改写为 8 个 UTF-8 CSV 合成语料，共 13.7B 词 47

医学影像乳腺影像医学图像分割图像分类乳腺癌评测基准

BUS-BRA — 巴西 INCA 1064 患者乳腺超声 CAD 评估集：病理+BI-RADS 2 — 5+分割掩膜三标注与官方标准化折

人工标注影像数据原始数据1,064 名女性患者（对应 1,875 张 B-mode 超声图；平均约 1.76 张/患者，含双侧与多切面）

BUS-BRA 乳腺超声数据集条目：1,064 患者 1,875 张 B-mode 图，同含活检病理（良/恶性）、资深超声医师 BI-RADS 2–5 分级与手工分割掩膜三类标注，附带官方 5 折/10 折交叉验证划分；CC BY-4.0 于 Zenodo 公开直链（BUSBRA.zip 133.9MB），Medical Physics 2024（DOI 10.1002/mp.16812）配套论文；并收录第三方审计发现——官方划分仅图像级互斥、非患者级，修正后分割/分类指标显著回落

Zenodo 记录 10.5281/zenodo.8231412（BUSBRA.zip，133.9 MB，md5 1f8b2be6476d58fc97bfb5e5a1ea9bab）——含 PNG 图像 + PNG 二值分割掩膜 + 逐图 CSV 元数据（BI-RADS / pathology / histology / 患者标识）；配套代码 github.com/wgomezf/BUS-BRA 80

生理信号睡眠信号可穿戴传感评测基准

DREAMT

时序信号数据人工标注原始数据100 名受试者（每人一夜同步记录；SID 编号 S002-S103 非连续）

Duke 大学 Jessilyn Dunn 团队的单晚临床 PSG + Empatica E4 腕式可穿戴时序对齐多模态数据集——100 名睡眠障碍门诊患者、64Hz/100Hz 双目录、30 秒 AASM 分期，CHIL 2024 提出 LSTM 后处理与混合效应提升树集成，PhysioNet 受限访问发布

Empatica E4 腕式可穿戴时序（BVP 64Hz、EDA/TEMP 4Hz、三轴 ACC 32Hz、HR 1Hz、IBI）+ Nihon Kohden 台式 PSG 全通道（EEG×5、EOG×2、颏 EMG、ECG、气流×2、呼吸努力×2、鼾声、腿动×2、SaO2）+ 30 秒 AASM 睡眠分期标签 + participant_info.csv 人口学与睡眠医学指标 74

电子健康记录医学问答与基准多模态X光影像

EHRXQA

影像数据时序数据派生数据一体化数据库 silver 800 患者（训练/验证，机器标注）+ gold 400 患者（测试，人工标注）；三上游共享患者 19,264；QA 对 46,152（train 36,174 / val

首个融合结构化电子健康记录与胸片图像的多模态问答基准——NeuralSQL 把视觉问答函数嵌进 SQL 执行流，417 个模板机器生成 46,152 道临床题，NeurIPS 2023 Datasets & Benchmarks 发表、PhysioNet v1.0.0 凭证获取

MIMIC-IV v2.2（17 张结构化表：患者/入院/诊断/药物/检验等）+ MIMIC-CXR-JPG v2.0.0（227,835 张胸片元数据）+ Chest ImaGenome v1.0.0（胸片区域-异常结构化注释）合成的一体化 mimic_iv_cxr 数据库（18 张表，含 tb_cxr 桥表）+ 模板驱动生成的 46,152 道 (Question, SQL/NeuralSQL, Answer) 三元组 33

医疗NLP临床文本X光影像评测基准

ReXErr-v1

文本数据标注数据评测集报告文本源自 MIMIC-CXR 去标识真实报告（母集 65,379 名患者/227,835 份报告）；ReXErr 精确报告总数官方未披露，唯一口径为 GitHub README '200k+ re

哈佛医学院 Rajpurkar 实验室放射报告合成错误数据集——GPT-4o 向 MIMIC-CXR 报告注入 12 类错误（三子类，每报告固定 3 处），Llama 3.1 句级三值标注，100 份临床审查 83% 合理，PhysioNet 2025-03-19 以 ODbL 1.0 开放，RadGraph 系报告结构化三部曲第三卷

MIMIC-CXR v2.0.0 去标识放射报告（unique reports 去重 + AP/PA/Lateral 视图过滤）→ GPT-4o 每报告注入 3 处错误（12 类/3 子类）→ Llama 3.1 句级事后标注（error_present 三值 0/1/2 + error_type） 37

医学影像皮肤影像图像分类挑战赛数据集评测基准皮肤癌

ISIC 2020 Challenge

人工标注影像数据原始数据训练集 2,056 名患者 / 32,701 个病灶（Cassidy 2022 分析口径）/ 33,126 张图像，平均每人约 16 个病灶；20.8% 患者至少含 1 个黑色素瘤；另测试集 10,9

SIIM-ISIC 2020 Melanoma Classification：33,126 张训练图、2,056 名患者的患者中心二分类黑色素瘤检测，584 张恶性全经组织病理确认；冠军 EfficientNets 集成私榜 AUC 0.9490，Kaggle 3,308 队十万次提交

ISIC 2020 Challenge 官方数据包：训练 33,126 张皮肤镜图像（JPEG 23GB / DICOM 48.9GB / DICOM corrected 23.0GB）+ GroundTruth.csv（二元 target）+ metadata v1/v2（patient ID/sex/age/anatomic site，v2 含 lesion ID）+ Duplicates.csv（425 张重复）+ 测试 10,982 张（无公开 GT）；DOI 10.34970/2020-ds01 45

基因组学与多组学单细胞基因组学转录组测序数据队列研究

Endometrial Immune Cell Atlas — 月经周期与慢性子宫内膜炎的 CD45+ 免疫细胞单细胞图谱

原始数据处理后数据临床元数据87 名供者（53 名健康对照 + 34 名慢性子宫内膜炎患者）；另有 229 例 IVF 不孕患者的多中心验证队列（非测序样本）

87 名女性、147,468 个 CD45+ 免疫细胞、8 个月经期相的 MARS-seq 图谱：原始测序数据经 GSA-Human 受控访问（HRA008952 / DAC HDAC004810）申请下载，处理后的 metacell 注释与表达矩阵随论文补充文件与 Source Data 提供

深圳中山妇产医院等五中心采集的人子宫内膜活检组织，CD45+ 免疫细胞 FACS 分选后 MARS-seq 单细胞转录组测序（147,468 个细胞，8 个月经期相），配套个体级临床元数据与 mIF/FACS 验证图像 36

医学影像医学图像分割病理图像挑战赛数据集评测基准肿瘤学

SegPC-2021 — 775 图多发性骨髓瘤浆细胞核质双标注显微分割挑战赛全档案

人工标注影像数据原始数据775 张骨髓涂片显微图像（来自两台不同显微镜，均为 AIIMS New Delhi 就诊的多发性骨髓瘤患者骨髓穿刺涂片，非逐患者计数公开）；训练 298 + 验证 200 + 最终测试 277

IEEE ISBI 2021 挑战赛数据集：IIIT-Delhi SBILab 与 AIIMS New Delhi 采集的 775 张骨髓涂片显微图像，对感兴趣细胞逐一标注细胞核与细胞质，两台不同显微镜刻意混采以逼出设备不变算法，52 队 696 人竞逐，Top-5 全部采用深度学习集成，最佳 ImAP 0.9389

IIIT-Delhi SBILab + AIIMS New Delhi 采集的 Jenner-Giemsa 染色骨髓涂片；图像均经 GCTI-SN 染色归一化；含逐感兴趣细胞的细胞核与细胞质灰度掩码（原值 0 背景 / 20 细胞质 / 40 细胞核）；Grand Challenge 门户、IEEE DataPort（DOI 10.21227/7np1-2q42）、Kaggle 镜像三渠道获取 37

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。

即取即用的 AI-Ready 医疗数据集库

数据标签

医学影像 AI-Ready 数据集

电子病历与文本数据集

病灶分割与标注数据集

按任务类型浏览

Multisession fNIRS-EEG Post-Stroke Motor Recovery — 16 名偏瘫患者 84 次康复训练的同步脑电+近红外纵向数据集

COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset — 六欧洲中心盆腔放疗 CBCT 原始投影数据集