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 1391 个数据集

医学影像基因组学与多组学MRIX光影像脑肿瘤

REMBRANDT — 胶质瘤影像与基因组配对数据集

110,020 张 MR 图像130 例 MRI 患者671 例基因组临床患者10.59 GB DICOM874 例分子标本受控影像+公开组学130 例（MRI）；671 例（基因组/临床）

130 例胶质瘤 MRI 配对 671 例基因组临床数据的放射组学奠基数据集

National Cancer Institute（现由 Georgetown University ICBI 与 TCIA 托管） url: https://www.cancerimagingarchive.net/?p=43429 66

睡眠信号临床电子病历队列研究儿科生理信号电子健康记录

NCH Sleep DataBank — 全美儿童医院儿科睡眠 PSG 与 560 万条纵向 EHR

3984 份儿科 PSG3673 名唯一患者560 万条 EHR 记录2017–2019资质访问Natus Sleepworks3673 名唯一儿科患者（3984 份 PSG 睡眠研究）

3984 份儿科多导睡眠图研究、3673 名唯一患者，2017–2019 年真实临床采集，附 560 万条纵向临床数据

Nationwide Children's Hospital（全美儿童医院）Abigail Wexner Research Institute url: https://physionet.org/content/nch-sleep/ 39

基因组学与多组学测序数据公共卫生与流行病学

NCBI SRA 测序档案

3,100 万+ 公共文件47 PB+ 原始 readsINSDC 三节点云原生 AWS+GCPRNA-seq counts 日更公共数据开放（去标识化；受控人类数据约三分之一需 dbGaP 批准）

3,100 万+ 公共文件 · 47 PB+ 原始测序数据：世界最大公共测序档案的云原生取数与重分析指南

https://www.ncbi.nlm.nih.gov/sra/ 57

生理信号语音信号COVID-19

COUGHVID — 全球最大众包咳嗽音数据集

超过 30,000 条咳嗽录音（v3）约 2.3 GB ZIP4 位医师标注 2,800+ 条125 个国家地区CC BY 4.0 开放下载超过 25,000 条录音提交（Sci Data 论文口径），Zenodo v3 累计超过 30,000 条

超过 25,000 条众包咳嗽录音，4 位医师标注 2,800+ 条专家子集

EPFL Embedded Systems Laboratory (ESL) url: https://zenodo.org/records/7024894 92

生理信号心电信号评测基准心血管疾病真实世界数据

CODE-II — 巴西远程医疗 270 万份 12 导联心电 66 类标注数据集

人工标注时序数据原始数据2,735,269 条 ECG 检查 / 2,093,807 名成人患者（1,663,122 人仅 1 份、430,685 人 2 份以上）；CODE-II-open 15,000 患者第一份检查；C

273.5 万条 12 导联 ECG · 209.4 万成人患者 · 66 类 CODE 诊断标注 · 15,000 患者公开子集 · 8,475 份多专家盲评基准

巴西 Telehealth Network of Minas Gerais（TNMG）远程心电服务原始 12 导联数字心电图（每检查最多 4 条 tracings，7-12 秒，300/500/600/1000 Hz，依采集设备）+ 66 类 CODE 诊断标签（class ID + label）+ 人口学与临床元数据（exam ID、日期、性别、出生日期、自述合并症、检查指征、心电测量值、报告类型） 35

医学影像医学问答与基准内窥镜影像医学图像分割评测基准

CVC-ColonDB — 结肠镜息肉分割经典基准

380 帧结肠镜图像15 段检查序列574×500 像素像素级二值息肉 mask原始版含 1,706 个文件（4 组）研究用途免费获取15 例结肠镜检查（各文献记载 13–15 例不一）

380 帧专家标注结肠镜息肉分割图像，源自 15 段检查序列的单中心经典基准

Computer Vision Center, Universitat Autònoma de Barcelona（CVC-UAB） url: http://mv.cvc.uab.es/projects/colon-qa/cvc-colondb 99

医学影像手术视频医学图像分割

AutoImplant — 颅骨植入体自动设计挑战

630 个 NRRD 文件（2020 届）570+100 个三元组（2021 届 SkullBreak）512×512×Z 二值体素CC BY-NC-SA 4.0 免费获取非患者队列：合成数据共 344 个颅骨（2020 届 210 + 2021 届 134），不含人口学信息

CQ500 合成颅骨缺损基准：210 颅骨 + 670 三元组，MICCAI 两届挑战

Graz University of Technology (TU Graz) — Institute of Computer Graphics and Vision url: https://autoimplant.grand-challenge.org/ 45

医学影像病理图像医学图像分割肿瘤学

CryoNuSeg — 冷冻切片 H&E 核实例分割数据集

10 器官 30 张 512×512 patch三套标注 7,596/8,044/8,251 核Kaggle V7 416.43 MBMIT 许可开放下载官方 10 折器官外推协议30 张冷冻切片 WSI 均来自不同 TCGA 患者（每器官 3 张、不同患者与组织中心）

首个全手工标注冷冻切片核分割数据集：10 器官 30 张 512×512 patch · 三套独立标注 7,596/8,044/8,251 核 · 官方 10 折器官外推基准 Dice 80.3%

Medical University of Vienna / Loughborough University / TissueGnostics GmbH（CryoNuSeg 官方，Kaggle ipateam 团队发布） url: https://www.kaggle.com/ipateam/segmentation-of-nuclei-in-cryosectioned-he-images 36

医学影像电子健康记录病理图像神经退行性疾病队列研究阿尔茨海默病

ROS/MAP — 老化与阿尔茨海默病纵向多组学队列

约 3,322 名入组者（截至 2017-10）1,475 例死后脑尸检7 类组学模态2,093 人已基因分型（截至 2018-03）受控访问（DUC）截至 2017-10 入组 3,322 人（其中 1,475 例死后脑捐赠）

两条纵向队列、3,322 名入组、1,475 例死后脑多组学图谱

Rush University Medical Center — Rush Alzheimer's Disease Center（经 AMP-AD / Synapse AD Knowledge Portal 开放） url: https://adknowledgeportal.synapse.org/Explore/Studies/DetailsPage/StudyDetails?Study=syn3219045 105

医疗NLP生物医学文献关系抽取药物-靶点相互作用药物发现与化学挑战赛数据集

ChemProt — BioCreative VI 化学-蛋白关系抽取语料

文本关系标注实体标注多类分类公共领域英文挑战赛0

2,432 篇 PubMed 摘要、10 类 CPR 关系、Public Domain 的生物医学关系抽取挑战赛金标准

BioCreative VI Chemical-Protein interaction corpus (ChemProt), Track 5, 2017; mirrored by BigBio on HuggingFace (bigbio/chemprot) 35

医疗NLP知识图谱罕见病基因组学与多组学命名实体识别

Mondo Disease Ontology — 统一全球疾病术语的开放疾病本体

29,315 条疾病术语139,255 条跨库交叉引用OWLOBOJSON 多格式CC BY 4.0 开放许可月度版本发布不适用（本体知识资源，无患者数据）

29,315 条疾病术语 + 139,255 条跨库交叉引用的 OBO 旗舰本体，月度发布、CC BY 4.0、OWL 逻辑定义

Monarch Initiative（Mondo Disease Ontology 维护方） url: https://mondo.monarchinitiative.org/ 45

电子健康记录公共卫生与流行病学COVID-19临床电子病历时序数据

Synthea COVID-19 专供数据集

合成数据结构化表格发布包口径：10K 版 10,000 患者；100K 版 100,000 患者；VA veterans 版 147,451 患者（文件名 100k、实数 14.7 万，名实不符存照）；OMOP 版 P

MITRE 三周建成的疫情合成 EHR：covid19 模块模拟 124,150 名患者（88,166 感染、18,177 住院、CFR 4.1%、峰值 548 台透析机 + 209 台呼吸机），10K/100K/VA/OMOP 四版 CSV 全开放，三篇顶刊文献校准，Apache 2.0 代码可复现

Synthea GMF covid19 模块生成的合成 EHR 关系型 CSV 表族（16 表：patients/encounters/conditions/observations/procedures/payers 等），术语对齐 SNOMED-CT/RxNorm/LOINC/CVX 55

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。