企业官网建设流程全解析

医学数据集大全：做医疗 AI 的人，这个仓库该收藏

medical-data 在 GitHub 上拿到了 6000 多 Star。

这个仓库把散落在互联网各处的公开医学数据集整理到一起，按类别分好，附上论文链接和数据入口，方便做医学机器学习的人直接找到自己需要的数据。

1、 里面有什么

仓库把医学数据分成了七大类。

医学影像数据是内容最多的部分。心脏 MRI、脑部 CT、视网膜图像、皮肤病变照片、乳腺 X 光片、肺部 CT，覆盖了常见医学影像模态。EchoNet-Dynamic 来自斯坦福，收录心脏运动视频数据；OASIS 提供大脑 MRI 横截面和纵向两套数据集，用于阿尔茨海默症研究；ISIC Archive 有 23000 张皮肤病变分类图像。

挑战赛数据也有不少。MICCAI、ISBI 这些顶会每年办分割、检测竞赛，赛后数据集通常公开。Kaggle 上也有糖尿病视网膜病变检测、宫颈癌筛查这类比赛留下的数据。

EHR 数据里最知名的是 MIMIC-III，包含近 4 万名患者的重症监护数据，匿名处理后对外开放。美国国家级医疗数据、UCI 经典医学小数据集、PubMed 全文和医学语音数据也都在里面。

2、 几个值得单独说的数据集

MIMIC-III：重症监护基准数据集，包含生命体征、用药记录、实验室检查结果、影像报告和临床笔记。申请需要完成 CITI 在线培训并签署数据使用协议。

OASIS：两套大脑 MRI 数据，横截面那套有 416 个受试者，纵向那套跟踪了 150 人至少一年的脑部变化。做阿尔茨海默症早期检测，这是少有的纵向公开数据。

EchoNet-Dynamic：斯坦福出品的心脏超声视频数据，附带射血分数标注。做心脏功能评估的深度学习模型，这个数据集绕不开。

3、 适合谁用

做医学影像分割、病灶检测的研究者，可以从里面找到对应模态的公开数据集，省去到处搜集的时间。

做 NLP 的人想处理临床文本或医学问答，MIMIC-III、PubMedQA 都是现成的。

入门机器学习的学生，UCI 那几个经典医学小数据集体量刚好，不需要 GPU 集群也能跑。

4、 用之前要知道的事

这个仓库本身不托管数据，它是一个索引。每个数据集都指向原始来源，下载、注册、使用协议都要去原始网站看。部分数据集有使用限制，比如禁止商业用途或者要求在论文中引用特定文献。

拿到数据后先做一轮探索性分析，比直接往模型里灌要稳当得多。数据质量参差不齐，有些标注很精细，有些只有粗略的分类标签。

如果你在做医学相关的 AI 研究，这个仓库值得当作数据集字典来用。需要的时候来这里翻一翻，大概率能找到合适的数据。

研究，这个仓库值得当作数据集字典来用。需要的时候来这里翻一翻，大概率能找到合适的数据。