数据集导航
医疗数据集导航 - 全部数据集(第 114 页)
汇集 20 大疾病系统 5035 个医疗数据集,支持搜索与分类筛选,助力医疗AI研发选型
全部 5035
肿瘤 579
神经系统疾病 507
心血管系统疾病 462
耳鼻咽喉疾病 451
眼病 412
皮肤与结缔组织疾病 399
泌尿生殖系统疾病 362
内分泌系统疾病 352
医学文本与大模型 285
呼吸道疾病 245
口颌系统疾病 219
消化系统疾病 200
免疫系统疾病 137
通用医学数据集 136
血液与淋巴系统疾病 106
感染 96
创伤与损伤 66
肌肉骨骼疾病 14
化学诱发性障碍 4
环境因素所致疾病 3
共 5035 个数据集 · 第 114 / 168 页
| 数据集名称 | 系统分类 | 病种 | 数据模态 | 任务类型 | 描述 | 来源 | 原始地址 | 操作 |
|---|---|---|---|---|---|---|---|---|
| BPD-Neo | 呼吸道疾病 | 细支气管疾病 | 医学影像 | 医学影像 | 40名新生儿肺部MRI及肺气管分割数据集,附临床数据,用于支气管肺发育不良研究。 | 康奈尔大学和威尔康奈尔医学院 | http://zenodo.org | 访问 |
| LIDC-IDRI肺结节CT影像数据集 | 呼吸道疾病 | 细支气管疾病 | 图像 | LIDC-IDRI 是经典胸部CT影像数据集,包含肺结节标注信息,可用于肺部疾病检测与影像分析研究,并可间接支持细支气管相关病变研究。 | National Cancer Institute | https://www.cancerimagingarchive.net/collection/lidc-idri/ | 访问 | |
| MIMIC胸部X光影像数据集 | 呼吸道疾病 | 细支气管疾病 | 图像 | MIMIC-CXR 是大规模胸部X光影像数据集,包含影像与报告文本,用于肺部疾病识别、气道病变分析及医学影像深度学习模型训练。 | Beth Israel Deaconess Medical Center / PhysioNet | https://physionet.org/content/mimic-cxr-jpg/2.0.0/ | 访问 | |
| 睡眠EDF扩展数据库 | 呼吸道疾病 | 磨牙症 | 时序 | Sleep-EDF含整夜EEG等睡眠生理信号和分期标注,可用于磨牙研究中的睡眠阶段背景建模和信号预训练。 数据包含真实病例或专家标注信息,适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。 | PhysioNet | https://physionet.org/content/sleep-edfx/1.0.0/ | 访问 | |
| PhysioNet 2018睡眠觉醒挑战数据集 | 呼吸道疾病 | 磨牙症 | 时序 | 该数据集包含MGH睡眠实验室PSG信号和觉醒标注,文档中包含磨牙相关睡眠事件,可用于睡眠磨牙与觉醒关系建模。 数据包含真实病例或专家标注信息,适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。 | Massachusetts General Hospital / PhysioNet | https://physionet.org/content/challenge-2018/1.0.0/ | 访问 | |
| CT-RATE日文版 | 呼吸道疾病 | 其他 | 多模态 | 多模态 | CT-RATE数据集的日文翻译版,包含胸部CT图像和日文放射学报告,用于日本医疗AI模型开发。 | YYama0 | https://huggingface.co/datasets/YYama0/CT-RATE-JPN | 访问 |
| NIH-CXR14-BiomedCLIP特征数据集 | 呼吸道疾病 | 其他 | 多模态 | 多模态 | 基于NIH-CXR14胸部X光数据集,使用BiomedCLIP提取图像和文本特征的多模态数据集,用于肺部疾病分析。 | Yasintuncer | https://huggingface.co/datasets/Yasintuncer/NIH-CXR14-BiomedCLIP-Features | 访问 |
| RadGenome-ChestCT | 呼吸道疾病 | 其他 | 多模态 | 多模态 | 基于CT-RATE的大规模3D胸部CT解读数据集,包含分割掩码、关联报告和VQA对,支持多模态医疗模型开发。 | RadGenome | https://huggingface.co/datasets/RadGenome/RadGenome-ChestCT | 访问 |
| 咳嗽视频数据集 | 呼吸道疾病 | 其他 | 音频 | 音频 | 包含19213个音频样本的咳嗽视频数据集,用于训练咳嗽检测模型。 | CoughMamba | https://huggingface.co/datasets/CoughMamba/coughvid | 访问 |
| smarty4covid数据集 | 呼吸道疾病 | 新冠病毒感染 | 多模态 | 音频 | 多模态音频数据集,包含咳嗽、呼吸和语音记录及自报告信息,用于COVID-19风险检测。 | 雅典国立技术大学 | https://www.smarty4covid.org/ | 访问 |
| 英国卫生安全局每日COVID-19数据 | 呼吸道疾病 | 新冠病毒感染 | 表格 | 表格 | 英国卫生安全局发布的英格兰地区COVID-19每日监测指标数据集,包含确诊病例、住院、死亡等数据,用于呼吸道疾病监测。 | EPI-Eval | https://huggingface.co/datasets/EPI-Eval/ukhsa-covid-daily | 访问 |
| 小规模POLCOVID肺炎检测任务1数据集 | 呼吸道疾病 | 新冠病毒感染 | 医学影像 | 医学影像 | 用于肺炎检测的医学影像分类数据集,包含498张图像,分为正常和肺炎两类,已划分训练、验证和测试集。 | 123ccls | https://huggingface.co/datasets/123ccls/small_POLCOVID_task1_70_10_20 | 访问 |
| 3DNIV:COVID-19大流行紧急使用的双无创呼吸机持续气道正压非气溶胶回路数据集 | 呼吸道疾病 | 新冠病毒感染 | 其他 | 呼吸机回路设计 | 一种用于COVID-19紧急使用的双无创呼吸机CPAP非气溶胶回路设计,包含3D打印组件,旨在提升设备容量并减少气溶胶传播。 | Zenodo | https://zenodo.org/record/3818305 | 访问 |
| 基于神经Transformer的巴西葡萄牙语语音声学模型 - 精炼数据集SPIRA | 呼吸道疾病 | 新冠病毒感染 | 音频 | 语音分析 | 基于巴西葡萄牙语语音的声学模型数据集,用于通过语音分析检测COVID-19引起的呼吸功能不全。 | Zenodo | https://zenodo.org/record/6672451 | 访问 |
| COVID-19肺炎住院后家庭运动与远程咨询随机对照试验数据集 | 呼吸道疾病 | 新冠病毒感染 | 表格 | 运动康复 | COVID-19肺炎住院后患者家庭运动与远程咨询的随机对照试验数据,包含运动耐量、呼吸功能等指标。 | Zenodo | https://zenodo.org/doi/10.5281/zenodo.8202146 | 访问 |
| CIRDataset | 呼吸道疾病 | 肺结节 | 医学影像 | 医学影像 | 包含956条肺结节分段和恶性预测标注的放射学数据集,源自LIDC-IDRI和LUNGx,用于提高肺癌筛查准确性。 | 纪念斯隆-凯特琳癌症中心 | https://github.com/nadeemlab/CIR | 访问 |
| 3D医学软分割数据集 | 呼吸道疾病 | 肺结节 | 医学影像 | 软分割 | 包含864个3D肺结节图像的软分割数据集,用于医学图像软分割研究,来源LIDC-IDRI。 | 哈尔滨工程大学智能系统科学与工程学院 | https://github.com/wangsssky/3DMatting | 访问 |
| BIMCV-RG | 呼吸道疾病 | 肺结节 | 多模态 | 报告生成 | BIMCV-RG数据集包含5,328对高分辨率3D CT体积和对应放射学报告,用于胸部疾病诊断的自动报告生成。 | 帝国理工学院 | http://arxiv.org/abs/2406.07146v1 | 访问 |
| FunnyNodules | 呼吸道疾病 | 肺结节 | 医学影像 | 医学影像 | FunnyNodules是一个参数化合成肺结节医学影像数据集,用于评估可解释AI模型的属性推理正确性。 | 乌尔姆大学医学中心实验放射学系 | https://github.com/XRad-Ulm/FunnyNodules | 访问 |
| OpenVAE | 呼吸道疾病 | 肺结节 | 医学影像 | 质量增强 | 大规模胸部CT增强数据集,包含17,316例增强扫描,标注精细解剖结构,提升肺结节检测性能。 | 约翰斯·霍普金斯大学; 加州大学旧金山分校; 哈佛医学院; 埃默里大学; 英伟达; 约翰斯·霍普金斯医学中心 | https://github.com/KumaKuma2002/OpenVAE | 访问 |
| 肺结节评估挑战数据集 | 呼吸道疾病 | 肺结节 | 图像 | EXACT09 数据集包含胸部CT影像及肺结节标注信息,用于肺结节检测与分类算法评估,是早期医学影像挑战赛中的经典基准数据集。 | Grand-Challenge.org | https://exact09.grand-challenge.org/ | 访问 | |
| 早期肺癌筛查数据库 | 呼吸道疾病 | 肺结节 | 图像 | ELCAP 公共肺影像数据库提供低剂量胸部CT扫描及肺结节信息,用于早期肺癌筛查研究与影像分析,是肺癌早筛研究的重要历史数据资源。 | Cornell University VIA | http://www.via.cornell.edu/databases/lungdb.html | 访问 | |
| SPIROMICS慢性阻塞性肺疾病精准医学研究数据集 | 呼吸道疾病 | 慢性阻塞性肺疾病 | 多模态 | SPIROMICS是重要的COPD临床队列数据集,整合临床检查、胸部影像、生物标志物及肺功能测试数据,用于研究慢阻肺分型、疾病进展及精准医疗策略开发。 | National Heart, Lung, and Blood Institute (NHLBI) | https://biolincc.nhlbi.nih.gov/studies/spiromics/ | 访问 | |
| COPDGene慢性阻塞性肺疾病基因组与影像数据库 | 呼吸道疾病 | 慢性阻塞性肺疾病 | 多模态 | COPDGene是经典COPD研究队列数据集,涵盖吸烟人群的基因组信息、胸部CT影像、肺功能检测及长期随访数据,广泛用于慢阻肺遗传机制、影像组学分析及疾病进展预测研究。 | National Heart, Lung, and Blood Institute (NHLBI) | https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000179 | 访问 | |
| 医生对COPD指南的态度及COPD一线治疗选择数据 | 呼吸道疾病 | 慢性阻塞性肺疾病 | 该数据集包含2011年和2018年两个年份的临床调查数据,数据模态主要为临床表格和问卷文本,内容涉及医生对慢性阻塞性肺疾病(COPD)指南的态度及一线治疗选择,主要用于研究医疗指南依从性、临床决策模式以及COPD治疗实践的变化趋势。 | https://data.mendeley.com/datasets/9gbvvdc532 | 访问 | |||
| 模拟阻塞性肺病呼吸压力与流量数据集 | 呼吸道疾病 | 慢性阻塞性肺疾病 | 时间序列 | 时间序列 | 包含20名健康受试者模拟阻塞性肺病的呼吸压力、流量和体积时间序列数据。 | PhysioNet | https://physionet.org/content/simulated-obstructive-disease/ | 访问 |
| 严重哮喘研究计划 | 呼吸道疾病 | 哮喘性支气管炎 | 表格 | SARP包含严重哮喘患者的临床数据、肺功能指标及免疫学信息,用于研究哮喘分型、病理机制及治疗反应分析,是哮喘研究的重要队列数据。 | NIH NHLBI | https://biolincc.nhlbi.nih.gov/home/ | 访问 | |
| 哮喘自我知识问卷的开发与验证 | 呼吸道疾病 | 哮喘性支气管炎 | 表格 | 表格 | 包含哮喘患者和非哮喘志愿者的社会人口学及临床数据,用于开发验证哮喘知识问卷。 | Zenodo | https://zenodo.org/doi/10.5281/zenodo.11155083 | 访问 |
| NCBI结核分枝杆菌基因组数据集 | 呼吸道疾病 | 分枝杆菌感染 | 时序 | NCBI SRA提供结核分枝杆菌的基因组测序数据,涵盖不同菌株与样本,可用于耐药性分析、系统发育研究及病原体基因组学分析。 | National Center for Biotechnology Information | https://www.ncbi.nlm.nih.gov/sra?term=Mycobacterium+tuberculosis | 访问 | |
| MR1限制性黏膜相关不变T细胞对非人灵长类动物分枝杆菌疫苗接种和感染的反应 | 呼吸道疾病 | 分枝杆菌感染 | 该数据集包含通过食蟹猴MR1四聚体技术获得的实验数据,主要数据模态为基因序列、蛋白质结合及细胞免疫反应数据,用于研究非人灵长类动物黏膜相关不变T细胞在卡介苗接种和结核分枝杆菌感染后的激活与反应,旨在验证其与人类免疫系统的相似性,并为感染性与 | https://search.dataone.org/view/sha256:511641428c28aa5a5807d23b38e88288acb81c26d3473e757b017fb6d2f52bb6 | 访问 |