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 1422 个数据集

医学影像医学图像分割内窥镜影像结直肠癌肿瘤学

BKAI-IGH NeoPolyp — 结肠镜息肉分割与肿瘤性检测

7,466 标注图像4 种光成像模式6 种 Paris 分型3 类息肉分类~314 MB (Small)单中心数据集，越南河内 IGH

BKAI Center for AI, Hanoi University & Institute of Gastroenterology and Hepatology 104

医疗NLP命名实体识别临床文本生物医学文献罕见病

MACCROBAT — 病例报告实体标注

200 篇病例报告 standoff 对25,144 个实体59,164 条标注约 1.02 MB ZIPCC BY 4.0 开放下载200 例患者（每篇病例报告对应 1 例患者叙事）

200 篇病例报告、41 类实体/事件、59,164 条标注的医学 NER 开放语料

加州大学洛杉矶分校（UCLA）团队，figshare 托管 url: https://figshare.com/articles/dataset/MACCROBAT2018/9764942 39

医疗NLP临床文本命名实体识别心血管疾病肿瘤学

CARMEN-I — 西班牙语临床文本匿名化语料

2,000 份临床文书34,773 条人工标注TXT 与 brat .ann 格式PhysioNet 认证访问西班牙语与加泰罗尼亚语2,000 份临床文书（患者级数量官方未披露）

2,000 份匿名化西语/加泰罗尼亚语临床文书，26,545 条实体标注

巴塞罗那超级计算中心（BSC）NLP4BIA 与巴塞罗那医院诊所（HCB） url: https://physionet.org/content/carmen-i/1.0.1/ 41

医疗NLP电子健康记录临床文本命名实体识别真实世界数据

MedDec 出院小结医疗决策标注集

临床文本人工标注片段级标注凭证访问419 名患者（451 篇出院小结，其中 192 篇与 MIMIC-III 表型标注集重叠、259 篇为额外纳入）

451 篇 MIMIC-III 出院小结、419 名患者、逾 5.4 万句，按 DICTUM 十类决策体系做片段级标注，140 万 token 中标出 87.9 万个决策片段，Cohen's Kappa 0.74，用于抽取「医生到底做了什么决定」

MIMIC-III Clinical Database v1.4 的 NOTEEVENTS 出院小结，由两名受训医学生独立标注、一名临床医师仲裁，按 DICTUM 十类决策体系标注片段边界与类别，2024 年 10 月经 PhysioNet 发布 17

公共卫生与流行病学电子健康记录卫生服务研究医保理赔真实世界数据药物安全

PINC AI Healthcare Database — 美国全支付方医院真实世界数据

15亿+ encounters（2025 口径）1,164+ 贡献医院（2021）2.6亿独立患者2000 年起每周更新商业许可获取2.6 亿+ 独立患者（截至 2021-09 官方白皮书）

覆盖 1/4 美国住院的医院级真实世界数据库 · 2.6 亿患者 · 15 亿+ 就诊记录

PINC AI Applied Sciences（Premier Inc.） url: https://premierinc.com/real-world-evidence 83

医疗NLP多模态生物医学文献视觉问答

PMC-VQA — 医学视觉问答大基准

227k 问答对149k 图像约 21GB CSV+JPEG开放下载 CC BY-SA复合图版本抉择MedVInT 生成式基准149k 幅生物医学图像 / 227k 个问答对

227k 问答对 / 149k 图的生物医学图文视觉问答数据集

上海交通大学 & 上海人工智能实验室 url: https://github.com/xiaoman-zhang/PMC-VQA 91

生理信号神经科学语音信号步态与运动

UA-Speech — 构音障碍语音黄金基准数据集

约 103 小时多通道音频29 名说话人（16 构音 + 13 对照）每人 765 个孤立词邮件申请获取WAV 16 kHz29 名说话人（16 名脑瘫构音障碍 + 13 名对照）

29 名说话人、103 小时构音障碍孤立词语音基准

University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） url: https://speechtechnology.web.illinois.edu/UASpeech 66

电子健康记录医保理赔真实世界数据队列研究药物安全

GePaRD — 德国 2,500 万人医保理赔数据库

约 2,500 万参保人每数据年约 1,700 万人2004 年起连续累计ICD-10-GMOPSEBMATC 编码合作制申请获取约 2,500 万名参保人

2,500 万人法定医保理赔数据，德国药物警戒科研旗舰

Leibniz Institute for Prevention Research and Epidemiology – BIPS（德国不来梅莱布尼茨预防研究与流行病学研究所） url: https://www.bips-institut.de/en/research/research-infrastructures/gepard.html 47

医学影像MRI肿瘤学脑肿瘤

FeTS — 跨机构联邦脑肿瘤分割 MRI 数据集

25,256 例 MRI 扫描6,314 名患者71 家机构 6 大洲NIfTI 格式公开挑战数据 1,470 例注册后开放获取6,314 名胶质母细胞瘤患者（联邦全量口径）

71 机构联邦脑胶质瘤 MRI 分割数据集（25,256 例扫描）

FeTS Initiative Consortium（宾夕法尼亚大学发起） url: https://www.fets.ai/ 68

重症监护电子健康记录疾病监测队列研究

自贡四院重症感染患者数据库

临床变量临床文本时序数据受限获取2,790 例住院患者；院内死亡 161 例，死亡率 5.8%

四川自贡市第四人民医院 2019 年 1 月至 2020 年 12 月收治的 2,790 例成人重症感染患者，整合电子病历、医院信息系统、检验系统与床旁护理记录，含七张表与出院后 SF-36 随访，院内死亡率 5.8%

四川省自贡市第四人民医院 2019 年 1 月至 2020 年 12 月连续收治的成人重症感染患者，源自电子病历、医院信息系统、检验信息系统与重症护理记录系统 22

医学影像医学问答与基准骨骼肌肉影像MRI评测基准

MRNet — 膝关节 MRI 损伤检测数据集

约 6.09GB zip1,370 例检查2001-2012 年数据三平面 .npy 体积申请审核获取1,312 名患者 / 1,370 例检查

1,370 例斯坦福膝关节 MRI · ACL/半月板/异常三任务 · 匹敌放射科医生的经典基准

Stanford Machine Learning Group（斯坦福大学） url: https://stanfordmlgroup.github.io/competitions/mrnet/ 79

基因组学与多组学GWAS变异与注释罕见病肿瘤学

gnomAD — Genome Aggregation Database 基因组聚合数据库

VCFCC0HailGCPAWSAzure约 30TB807,162 名个体（v4.1）

Broad Institute of MIT and Harvard, 60+ 国际研究项目合作 83

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。