综合癌症影像：TCIA

The Cancer Imaging Archive (TCIA) 是癌症影像领域最权威的公共档案，由专门服务负责对医学影像做去标识化后托管。它覆盖 CT、MRI、数字病理等多种模态，数据以 DICOM 为主，按肿瘤类型组织成大量独立数据集。多数集合可公开直接下载，但每个数据集各自带有使用许可与引用要求，部分受限集合需要单独申请。具体规模以官方页面为准。如果你做肿瘤分割、检测或多模态研究，这里通常是首选。

胸部 X 光：NIH ChestX-ray14、CheXpert、MIMIC-CXR

胸片是入门和基准测试用得最多的模态。

  • NIH ChestX-ray14 由美国 NIH 临床中心提供，含约 112,120 张正位胸片、覆盖 14 种胸部病理的弱标签，官方明确对图像使用无限制，可在其 Box 页面免费直接下载（也有第三方在 Kaggle 上做了镜像，需免费账号）。标签由文本挖掘自动生成，质量为弱监督级别，使用时要心里有数。
  • Stanford CheXpert 含约 224,316 张胸片，标注更细，现通过斯坦福 AIMI 平台分发，需注册并同意使用条款。
  • MIMIC-CXR 托管在 PhysioNet，提供 DICOM 格式胸片及配套自由文本报告，适合影像-文本联合任务；它属于 PhysioNet 的「认证访问」层级，需完成培训、注册并签署数据使用协议后方可获取。

神经影像：OpenNeuro

OpenNeuro 由斯坦福可复现神经科学中心运营，是免费开放的神经影像共享平台，数据统一采用 BIDS 标准组织，覆盖 MRI、fMRI、EEG、MEG、PET 等。绝大多数数据集可直接公开下载，少数有访问限制。做脑科学、功能影像或多被试研究时优先看这里，BIDS 标准也省去大量整理工作。

加速 MRI 原始数据：fastMRI

fastMRI 由纽约大学 Langone 提供，特点是包含原始 k 空间数据，覆盖膝关节、脑、前列腺、乳腺等部位的全采样扫描，专为 MRI 重建加速研究设计。它需要在线提交申请、接受数据共享协议，且限定用于内部科研或教学用途，不能随意商用。规模以官方页面为准。

数字病理：CAMELYON17

CAMELYON17 是计算病理领域的代表性挑战赛，提供来自多家医疗中心的淋巴结全切片图像（WSI），任务是乳腺癌转移的检测与患者级分类。官方说明完整数据集为开放获取，下载链接在其 Data 区。WSI 文件体积普遍很大，下载与存储前要预留空间。

多器官分割与更多挑战赛：Grand Challenge、Synapse

  • Grand Challenge 是面向生物医学影像的端到端平台，聚合了数百个挑战赛、算法仓库与影像数据归档，许多任务自带公开数据。是按具体任务找数据集的好入口，访问按各项目设置，部分需注册。
  • Synapse 托管了「Multi-Atlas Labeling Beyond the Cranial Vault」等腹部多器官 CT 分割数据集，需注册账号后获取，并遵守各数据集的使用条款。

选择建议与常见坑

按任务挑来源：做癌症相关任务先看 TCIA；胸片分类做基准用 NIH ChestX-ray14，要细标注用 CheXpert，要图文联合用 MIMIC-CXR；神经影像走 OpenNeuro；MRI 重建走 fastMRI；病理走 CAMELYON17；多器官分割看 Grand Challenge 与 Synapse。

几个反复踩的坑：一是伦理与授权，凡是「需注册/需签数据使用协议/需机构权限」的来源（PhysioNet、CheXpert、fastMRI 等），都要先把流程走完再算数，审批可能耗时；二是商用限制，许多医学数据仅限科研或教学，正式产品化前务必逐条核对许可与引用要求；三是标注质量，弱标签（如自动文本挖掘）与专家细标注差别很大，别把基准数据当临床金标准；四是格式，放射影像多为 DICOM、神经与分割任务常用 NIfTI，下载前确认你的工具链能直接读取，避免反复转码。

如果你不确定某个公开数据集到底在哪、是否还能下载、条款是否符合用途，数聚天成的检索服务可以帮你跨多个公开来源定位与核对——我们只做诚实的检索定位，不夸大覆盖、不承诺独家，链接与条款以各来源官方页面为准。

参考来源