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 1402 个数据集

医学影像皮肤影像皮肤癌

BCN20000 — 皮肤镜野外病变分类基准

18,946 张 1024×1024 皮肤镜 JPEG5,583 个皮损8 类诊断 + OOD 测试类CC BY 4.0 开放下载年龄性别部位日期元数据5,583 个皮损（18,946 张图像；未提供患者级标识）

18,946 张野外皮肤镜图像 / 5,583 个皮损 / 8 类诊断 + OOD 测试类

Hospital Clínic de Barcelona — Melanoma Unit, Department of Dermatology url: https://doi.org/10.6084/m9.figshare.24140028 67

基因组学与多组学病理图像测序数据

TCGA 癌症基因组图谱

33 癌种11,000+ 患者约 2.5 PB 多组学WSI 约 11 TBTCGA-CDR 四终点11,000+ 名去标识癌症患者（多中心采集，含配对正常组织）

33 癌种 · 11,000+ 患者 · 2.5 PB 多组学：二十年癌症分子图谱的参考级语料库

https://portal.gdc.cancer.gov/ 98

医疗NLP临床文本命名实体识别关系抽取

RadGraph — 放射报告实体关系抽取数据集

600 份医师金标报告22 万份推理标注报告token 级实体关系 schemaPhysioNet 凭证许可源自 MIMIC-CXR/CheXpert 的脱敏放射报告（数十万级报告对应的检查）

600 份医师金标报告 + 22 万份推理标注、token 级 schema 的报告结构化基础设施

https://physionet.org/content/radgraph/ 111

基因组学与多组学药物发现与化学

MSigDB 分子特征数据库

35,361 人类基因集17,068 小鼠基因集50 HallmarkCC BY 4.0GSEA 标准底座不适用（基因集/通路注释数据；无人类患者数据）

35,361 个人类基因集 · 17,068 个小鼠基因集 · 50 个 Hallmark：GSEA 富集分析二十年的标准底座

https://www.gsea-msigdb.org/gsea/msigdb 52

基因组学与多组学蛋白质组学药物发现与化学

AlphaFold DB 蛋白质结构预测数据库

2.14 亿结构预测220 万复合物CC-BY-4.0 开放pLDDT 置信分级UniProt 全覆盖不适用（蛋白质结构预测数据库；无患者数据）

2.14 亿结构预测 · 190 国 300 万研究者 · CC-BY-4.0：结构生物学的折叠革命公共底座

https://alphafold.ebi.ac.uk/ 71

基因组学与多组学公共卫生与流行病学

IMPC 国际小鼠表型联盟

9,605 敲除基因1.38 亿数据点111,664 显著表型CC-BY 4.0IMPReSS 标准不适用（模式生物数据；无人类患者数据）

9,605 个敲除基因 · 1.38 亿数据点 · 111,664 个显著表型：哺乳动物基因功能目录的全球工程

https://www.mousephenotype.org 50

医学影像病理图像医学图像分割肿瘤学

PESO — 前列腺病理上皮分割

约 138.2 GB TIFF 全片102 张 H&E WSI160 个测试区域CC BY-NC-SA 4.0Zenodo 公开下载约 102 例前列腺切除标本（62 训练 + 40 测试 WSI）

102 张前列腺 H&E 全片，IHC 双染参考标准的上皮像素级分割基准

Radboud University Medical Center（Diagnostic Image Analysis Group） url: https://zenodo.org/records/1485967 31

公共卫生与流行病学临床电子病历医保理赔卫生服务研究真实世界数据

CMS Medicare LDS — 全美医保理赔研究金标准

5%100% 两档抽样约 6,760 万受益人总体（2024）8 类 SAF 理赔文件族付费申请获取（DUA）覆盖 1999 年起年度更新全体 Medicare 受益人约 6,760 万（2024）；5% 档抽样约 340 万

覆盖约 6,760 万受益人的美国联邦医保理赔有限数据集

Centers for Medicare & Medicaid Services (CMS) url: https://www.cms.gov/data-research/cms-data/data-available-researchers 53

基因组学与多组学医疗NLP

HGNC 基因命名数据库

44,476 已批准符号19,294 蛋白编码稳定 HGNC ID15+ 外部资源映射完全开放不适用（基因命名标准资源；无患者数据）

44,476 个已批准符号 · 19,294 蛋白编码基因 · 稳定 HGNC ID：人类基因命名的全球权威标准

https://www.genenames.org/ 62

药物发现与化学药物-靶点相互作用化学信息学虚拟筛选

ChEMBL 生物活性数据库

280 万化合物2,400 万活性17,803 靶点CC-BY-SA 开放pChEMBL 标准化不适用（化合物活性数据库；无患者数据）

280 万化合物 · 2,400 万活性 · 17,803 靶点：药物发现的活性数据公共底座

https://www.ebi.ac.uk/chembl/ 108

药物发现与化学医学影像化学信息学虚拟筛选基因组学与多组学

JUMP Cell Painting — 化学与基因扰动形态学画像数据集

136,000 种扰动超 15 亿细胞 profile12 数据生成中心5 通道 Cell Painting超 250 TB体外 U2OS 细胞系（非患者数据）；pilot 含 A549

136,000 种化学与遗传扰动 · 12 中心 · 5 通道 Cell Painting · 超 15 亿细胞的世界最大公共药物发现影像资源

https://registry.opendata.aws/cellpainting-gallery/ 65

多模态医学影像医学问答与基准医疗NLP

GMAI-MMBench — 通用医疗多模态评测基准

284 源数据集约 26K 选择题38 模态 18 科室4 级感知粒度NeurIPS 2024 D&B题目源自 284 个脱敏医学数据集（公开 268 + 医院合作 16）

284 源数据集 · 38 模态 · 26K 选择题 · 4 级感知粒度的 LVLM 医疗能力标尺

https://huggingface.co/datasets/OpenGVLab/GMAI-MMBench 44

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。