在前面的文章中曾分享过一些公开数据集，今天将继续分享2026年度医疗公开数据集给大家。

一、BUSGen2026数据集

乳腺癌是全球女性发病率最高的恶性肿瘤，超声因无创、无辐射、对致密型乳腺敏感，在中国及亚洲高发人群中是乳腺癌筛查的核心手段（尤其在钼靶之外作为辅助筛查工具）。但基于深度学习的乳腺超声AI发展面临三重瓶颈——数据稀缺与标注昂贵：高质量配对数据需要资深放射科医生逐帧标注病灶边界框与病理标签，成本极高；隐私与共享壁垒：医疗影像涉及患者隐私，跨机构的数据流通受限于法规（如HIPAA/GDPR），难以汇聚成大规模训练集；泛化与捷径学习：单一设备、单一中心的数据易让模型学到"捷径特征"（如设备指纹、伪影模式），导致跨中心外推性能骤降。基础模型在病理、视网膜、胸部X光等领域的成功启示可通过在大规模数据上预训练一个生成式基础模型，再以少样本适配下游任务，可以同时缓解数据稀缺、隐私与泛化三类问题——这正是BUSGen的立意所在。乳腺超声条件图像生成：给定三类条件输入（病理标签、病灶边界框、设备类型），模型生成符合条件分布的真实乳腺超声图像，从而学到乳腺结构、病理形态与临床变异的丰富先验。BUS-3.5M数据集规模：来自4636名患者的5907次检查，共计超过350万张乳腺超声图像，是迄今最大的乳腺超声数据集之一；标注：由临床专家标注3749个病灶，涵盖多种病理亚型；标注内容包括病灶边界框、病理标签以及采集设备类型；多样性：涵盖良性与恶性病例、正常乳腺结构，患者年龄与采集设备（不同厂商探头/机器）多样，为模型提供分布广的先验；来源机构：由北京大学肿瘤医院、北京协和医院、中国医学科学院肿瘤医院、中国医科大学附属第一医院、南昌市人民医院等多家三甲医院贡献；评测外部集：包括内部测试集（n=579）、外部测试集（n=227）、公开BUSI测试集（n=780），以及用于检测任务的大规模测试集（n=28,150，其中小病灶子集n=16,896）。

数据下载：

https://www.nature.com/articles/s41551-026-01639-1#data-availability

二、US-365K2026数据集

超声成像凭借实时、无创、无辐射的特性，是全球部署量第二大的医学影像模态，广泛服务于产前筛查、甲状腺检查等一线临床场景。但超声也是对AI最"不友好"的模态之一：其成像依赖组织特异性声学特性，同一病灶在不同解剖区域表现差异巨大，医生需要多年专科训练才能熟练解读。视觉-语言预训练（VLP）模型为缓解超声学习曲线提供了可能，但现有医学VLP数据集存在严重的模态失衡——超声占比极低：仅占PMC-15M的0.67%、PMC-OA的0.09%、MedTrinity-25M的0.01%、ROCO的1.36%、ROCO v2的5.02%arxiv.org。既有超声专用数据集（如Fetal-CLIP、EchoPrime）又局限于单一解剖区域，缺乏跨系统的通用基准。更深层的困难在于超声本身的两大特性：①成像视野局限、切面高度依赖操作者；②超声报告使用特有的诊断属性词汇（回声性、后方声学现象、血流等），与通用放射学语言完全不同arxiv.org。此外，标准CLIP采用二值对比损失，在超声场景下存在两大缺陷：一是语义模糊——不同表述可能描述同一发现，硬性的正负样本对定义引入噪声；二是缺乏建模诊断属性间复杂关系的结构先验。US-365K是首个大规模、语义丰富的泛解剖超声VLP数据集，共包含364,365个图文对，来自11,676个临床病例，覆盖52个解剖类别arxiv.org+1。构建流程分三步：1. 多源数据收集：整合5个公开资源库——Ultrasoundcases.info（放射科医生精选教学病例）、LITFL 100+超声问答、MedPix（美国国家医学图书馆数据库）、POCUS Atlas（同行评议床旁超声病例）以及RadImageNet，保证解剖、病理与语言风格的多样性。2. 数据构造：先过滤非超声内容；将视频片段以0.5秒间隔拆解为静态帧，兼顾时间多样性与冗余控制；文本侧基于UDAF分类体系，通过结构化提示 + Gemini 2.5 Flash的混合流水线自动抽取9个维度的属性标签。3. 图文配对与标注：对多图病例或复合图，采用规则正则匹配识别子图指示符，自动将子图与其对应的子标题或叙事片段链接，保证局部视觉区域与描述文本的细粒度对齐。所有生成的描述与诊断标签均经医学标注员与资深医生审核，剔除模糊、不一致或无关样本，有效率超过90%。数据划分与统计：按6:2:2划分训练、验证、测试集；同时实验采用患者级数据划分避免同一患者跨集合造成的数据泄漏。统计上，US-365K覆盖UHAT全部9大系统与52个器官子类，病灶发现既涵盖"积液"“肿块"等常见病也包含罕见诊断实体；描述长度以≤25词的医学简报为主，词表兼顾通用与专业医学语言（如"cystic”“hyperechoic”）。

数据下载：

https://huggingface.co/datasets/JJY-0823/US-365K/tree/main

三、QoQ-Med32026数据集

临床诊断本质上要求对异质数据进行综合推理，但现有医疗多模态大语言模型（MLLM）存在三大突出缺陷——模态覆盖不完整：临床数据横跨1D（ECG、EEG）、2D（胸片、皮肤镜、钼靶、眼底、病理）与3D（CT、MRI、超声），但 BiomedGPT、Med-Flamingo 等现有模型虽集成了2D/3D视觉编码器，没有任何模型能将1D生理时序信号与2D/3D影像统一建模；GEM虽含ECG但仅限单一模态。模态竞争与数据偏斜：跨专业、跨模态的异质性导致联合训练时模态相互竞争而非协同；GRPO这类无critic的RL方法在数据异构场景下会让样本充足的领域主导优化，稀缺但临床重要的模态被边缘化。黑箱决策阻碍临床落地：传统方法只输出单一确定性答案、不展示分析过程，医生无法审计推理路径，这既是合规与监管的硬要求，也是人机协作信任的基石。针对这些痛点提出 QoQ-Med（Qwen Omni-Reasoning on Medical Questions）——首个开源的通用临床基础模型，能联合推理医学影像、时序信号与文本报告，并显式输出推理过程。训练数据：CLIMB子集（33个数据集，261万QA对），CLIMB（Dai et al., ICML 2025）是包含44个公开数据集、跨13个临床领域的多模态临床诊断数据集；QoQ-Med使用其中的视觉与ECG子集，共33个数据集、约261万样本：707K张2D图像（胸片、皮肤镜、眼底、病理、钼靶）；183万张3D扫描（CT、MRI、超声）；78.9K条ECG记录。代表性数据集包括：1D——PTB-XL、Chapman-Shaoxing、Georgia、CPSC（各7类ECG诊断）；2D胸片——CheXpert（14类）、MIMIC-CXR、VinDr-CXR（6类）、COVID-19数据集；钼靶——VinDr-Mammo（BI-RADS 1-5）、CBIS-DDSM、CMMD；皮肤镜——ISIC-2020、HAM10000（MEL/NV/BCC/AKIEC等5类）、PAD-UFES-20；眼底——Messidor-2、APTOS2019、Jichi（糖尿病视网膜病变分期）；3D——LNDb肺结节、INSPECT与RSPECT肺栓塞CT、KiTS23肾脏肿瘤、脑出血CT、BUSI乳腺超声、COVID-BLUES/COVID-US肺超声、BrainTumor MRI、LC25000与BCSS病理。QA构造方式：对每个样本自动生成"任务提示+模态提示+候选标签列表"的自然语言问题，答案为单标签（互斥类别）或标签子集（多发现共现）。特殊标注类别用于专项分析：Novel Tasks（训练中未见的疾病，如COVID胸片/超声）；Understudied Modalities（按Google Scholar研究关注度与公开数据量衡量，钼靶与ECG研究不足，超声主要受数据稀缺限制）；Underrepresented Regions（非洲、南美、南亚等历史代表性不足地区的数据）。数据划分沿用CLIMB原版（继承自各原始论文的train/val split）。EHR评测数据：MIMIC-IV来自BIDMC的6.5万ICU与20万急诊患者，链接MIMIC-CXR（37.7万张胸片）与MIMIC-IV-Note出院小结；样本同时包含胸片+12导联ECG+临床记录，用于评估多模态融合与多步推理。任务为住院时长LOS四分类与48小时院内死亡率预测，以Acc/F1评测。

数据下载：

https://github.com/ddvd233/CLIMB，

https://physionet.org/content/mimiciv/3.1/

四、OmniBrainBench2026数据集

脑部影像分析是脑疾病诊断与治疗的核心环节，多模态大语言模型（MLLM）正在日益广泛地辅助这一过程。但现有面向脑部影像的视觉问答（VQA）基准存在两大局限：一是覆盖的影像模态有限（多数仅涉及MRI少数序列或CT），二是局限于粗粒度的病理描述（如简单的病灶存在性判断），无法支撑对MLLM在完整临床流程（full clinical continuum）中能力的系统评估。与通用自然图像基准不同，脑部影像分析要求模型同时具备精确的视觉感知（多序列、多模态影像解读）与专业知识驱动的临床推理（诊断、分级、治疗决策），这对现有MLLM构成严峻挑战。为此，提出首个面向脑部影像分析全流程的综合多模态VQA基准OmniBrainBench，以建立评估MLLM临床推理能力的新标准，并量化其与专家医生之间的差距。OmniBrainBench是首个面向脑部影像的综合多模态VQA基准。总体规模：9,527条经临床验证的VQA对、31,706张图像、15种脑部影像模态；数据来源：收集自30个经验证的医学数据源，涵盖MRI多序列（T1/T2/FLAIR/DWI等）、CT等主要脑成像模态，保证模态多样性与分布均衡；任务分布：15个多阶段临床子任务按五阶段临床工作流组织，各阶段样本经过专业放射科医生审核，保证临床正确性与任务有效性；构建流程：分三步——数据收集（多源汇聚、模态归一）、问题增强（围绕临床任务生成多粒度问题）、数据过滤（质量控制与医生审核）。

数据下载：

https://huggingface.co/datasets/FrankPN/OmniBrainBench

五、AlphaDent2026数据集

口腔临床检查高度依赖医生目视判断，龋齿、非龋性硬组织缺损、修复体状况等病理改变常需逐颗识别，效率与一致性受限，因此自动化的牙齿病理检测成为口腔AI领域的重要方向。然而公开可用的口腔内照片（intraoral）数据集相对稀缺——现有资源多以全景 X 光片（如 DENTEX、Tufts Dental Database）或 3D 口扫数据为主，基于 DSLR 相机拍摄的可见光口内照片并进行精细实例分割标注的数据集几乎空白，制约了相应模型的研究与对比。为此，谢切诺夫大学、AlphaChip LLC 与 HSE 大学联合构建并开放了 AlphaDent 数据集，用于推动基于 RGB 口内照片的牙齿分割与病理检测研究。图像来源：使用单反（DSLR）相机在临床环境下对 295 名患者的口内情况进行拍摄，得到 1200 余张高分辨率 RGB 口内照片，相比 X 光影像更贴近日常视诊场景。标注体系：采用实例分割标注格式，标注工具为 CVAT，每颗牙齿作为一个实例并赋予 9 类之一，可同时支撑牙齿分割与病理状态识别两类下游任务。

数据下载：

https://www.kaggle.com/competitions/alpha-dent/data

六、Dental-Disease-Detection2026数据集

牙齿疾病（如龋齿、根尖周病变、牙根残留、骨缺损等）是全球患病率最高的慢性疾病之一，早期诊断对阻止病情进展、保留牙体组织至关重要。全景 X 光片（Panoramic Radiograph）是口腔临床最常用的影像检查手段，单张即可覆盖上下颌全牙列及颌骨结构，但阅片高度依赖医生经验，效率与一致性受限，因此基于深度学习的全景片自动病灶检测与分割成为口腔 AI 的重要研究方向。公开可用的全景片标注数据集长期稀缺，且多数资源（如 DENTEX）仅覆盖少量类别，难以支撑全面的口腔状态识别。Dental Disease Panoramic Dataset 应运而生，提供了覆盖 31 类牙齿病变、修复体与解剖结构的精细标注，显著扩展了现有基准的类别广度。全景片上的病灶与结构定位与分类：在全景片中分割出每一处病灶、修复体或解剖结构，并判定其所属类别；31 类细粒度体系：既包含病理改变（Caries 龋齿、Periapical lesion 根尖周病变、Cyst 囊肿、Bone Loss 骨吸收、Root resorption 牙根吸收等），也包含修复与治疗状态（Crown 牙冠、Filling 充填体、Implant 种植体、Root Canal Treatment 根管治疗、Post-core 桩核等），还包含解剖结构（Mandibular Canal 下颌管、Maxillary sinus 上颌窦）与正畸相关对象（Orthodontic brackets 托槽、TAD 支抗钉等）。数据形态：全景 X 光片及对应的实例分割标注，同时提供 YOLO 与 COCO 两种格式，可直接对接 Ultralytics YOLO、MMDetection、Detectron2 等主流框架；类别体系：共 31 类（0–30），涵盖龋齿、牙冠、充填体、种植体、牙列不齐、下颌管、缺牙、根尖周病变、残根、根管治疗、断根、阻生牙、上颌窦、骨吸收、牙折、恒牙、牙过度萌出、支抗钉、基台、磨耗、骨缺损、牙龈成形器、金属带环、正畸托槽、永久保持器、桩核、接骨板、钢丝、囊肿、牙根吸收、乳牙。

数据下载：

https://www.kaggle.com/datasets/ishantrajkashyap/dental-disease-detection/data

七、RADAR2026数据集

腹部 CT 是临床公认最复杂的影像学检查场景之一：一次增强扫描即可覆盖肝胆胰脾、胃肠、泌尿、肾上腺、血管等十余个系统，脏器多以密度相近的软组织呈现，病灶的检出与定性高度依赖放射科医生的个人经验。长期以来，医学影像 AI 的发展遵循"一病一模"（one-model-one-disease）的范式——针对特定部位的特定病变单独训练模型，训练依赖大量病灶级人工标注，存在三个突出瓶颈：标注成本高、开发周期长；模型只能覆盖单一疾病，无法应对真实临床中多器官、多病变并存的情况；跨中心、跨人群的泛化能力有限，难以满足复杂真实世界的临床需求。近年来，以 CLIP、BLIP 为代表的视觉-语言预训练范式和以 Merlin为代表的 CT视觉-语言基础模型（Nature, 2026）为通用医学影像 AI 提供了新思路：不再依赖人工标注，而是让模型直接从海量"影像—临床报告"配对数据中自学疾病表征。然而将这一范式平移到腹部 CT 时有一个关键障碍——CT三维体数据的有效信号稀疏、信噪比远低于自然图像，常规的整体级图文对比学习效果不佳。为此，达摩院团队提出 RADAR（Rapid Abdominal Diagnosis with AI and Radiology），通过器官级细粒度对齐策略破解稀疏信号难题，目标是构建一个可扩展（scalable）、多用途（versatile）、可解释（interpretable）的腹部 CT 通用诊断模型，并达到放射科专家级水平。RADAR 的核心任务是：给定一次增强腹部CT三维扫描，模型一次性输出覆盖18个解剖结构、146种影像学异常表现的诊断判断，即从"单个器官影像学异常检测"升级为"全腹部多器官、多类影像学异常的通用性筛查与诊断"。训练数据（RAD-CT 数据集）：构建了大规模腹部CT图文配对数据集 RAD-CT，包含 424911次增强腹部CT检查，从中衍生出约150万组体积级图像-文本配对，并进一步通过解剖对齐生成超过1500万组解剖结构级图像-文本配对，覆盖 18 个解剖结构、146 种腹部影像学表现。整个训练过程直接从临床报告学习，不依赖任何人工对异常的标注。内部验证集：来自同一体系的 39160 次连续真实世界检查，用于评估 146 项影像学表现的诊断性能，平均 AUC 0.913。外部多中心验证：8 家未参与训练的外部中心共 24239 次检查，平均 AUC 0.895，单中心范围 0.874–0.912，全面优于基线模型，验证了跨中心泛化能力。急诊场景零样本测试：训练目标未纳入急诊数据，使用 27267 例急诊增强 CT 评估模型对 17 种常见急性腹部疾病的识别能力，平均 AUC 达 0.904（95% CI 0.900–0.909），证明其在分布外场景保留了良好的区分能力。跨人群验证（Merlin 测试集）：使用斯坦福医院公开的 Merlin 数据集中 5137 次 CT 扫描（以西方患者为主），RADAR 未使用该数据进行任何训练或微调，直接在其能力范围内的 21 种影像学表现上测试，AUC 达 0.883，验证了跨人群（东西方患者）的泛化性。病理金标准外部队列：引入两个独立外部队列共 4333 例病例，包括 648 例结直肠癌、388 例胰腺癌、537 例胃癌、383 例肝细胞癌及 2377 例正常对照，以病理诊断为金标准，RADAR 在四类癌症上的 AUC 表现稳健，进一步以更严格的临床终点验证了模型的真实诊断价值。人机对照研究：来自 14 家中心的 26 名放射科医生参与研究，涵盖不同年资，在统一病例集上对比独立阅片、AI 辅助阅片的敏感度、特异度与阅片时间。在性能验证上，模型在内部队列 146 项影像发现上的平均 AUC 达到 0.913（95% CI 0.911–0.915），显著优于次优视觉-语言基线模型的 0.776；在与 14 家中心 26 名放射科医生的对照阅片研究中，RADAR 的平均准确率超过其中 23 名医生，AI 辅助使医生敏感度提升约 10%、阅片时间缩短 30% 以上，低年资医生借助 AI 可接近高年资水平。

数据下载：

https://huggingface.co/datasets/radar-generalist/RADAR-auxiliary-data

八、DeepVEST2026数据集

乳腺磁共振成像（Breast MRI）是检出和定性乳腺病变的有力工具，尤其在高危人群筛查、致密型乳腺评估、新辅助治疗疗效监测及多病灶/双侧病灶排查等场景中具有不可替代的价值。在动态对比增强MRI（DCE-MRI）的日常阅片中，最大密度投影（Maximum Intensity Projection, MIP）被广泛用于快速总览增强结构，帮助放射科医生直观评估肿瘤的形态、范围与血供情况。然而MIP图像存在一个长期困扰阅片者的结构性问题：强化的血管结构与强化的病灶在MIP上呈现为相似的高信号，血管走行常常与病灶重叠、交错，尤其当病灶表现为非肿块样强化（non-mass enhancement, NME）时，血管可能部分或完全遮蔽病灶边缘，甚至被误认为病灶本身，从而引入解读歧义、增加漏诊与误判风险。理论上，若能在阅片前将血管结构"干净地移除"，就能显著提升病灶的可视性与可解读性。但传统血管抑制方法（如减影、阈值分割、形态学处理）或依赖人工勾画，或容易引入伪影、损伤病灶本身的信号，难以直接临床落地。近年来深度学习在医学图像分割上的成熟为该问题提供了新路径——通过神经网络自动识别并"擦除"血管，同时保留病灶与背景组织，有望在不牺牲图像质量的前提下优化MIP阅片体验。基于此来自意大利、中国、荷兰、德国等多机构的研究者（Marco Cantone等）提出了DeepVEST模型，旨在验证"选择性血管移除能否改善乳腺MRI MIP图像的病灶可视性与可解读性"这一核心假设。DeepVEST要解决的是一项面向乳腺DCE-MRI的血管自动分割与擦除任务，整体流程可拆解为两个子任务：1. 血管自动分割。 模型以乳腺DCE-MRI为输入，输出血管结构的像素级分割掩膜。分割质量以人工标注的血管金标准为参照，采用Dice相似系数（DSC）量化评估，目标是让模型在无需人工参与的情况下精准圈定血管区域。2. 血管擦除与图像重建。 在得到血管掩膜后，模型对被识别为血管的区域进行"擦除"处理，用周围背景组织合理填充替代，生成一幅去血管的MIP图像，要求在移除血管的同时不引入明显伪影、不损伤病灶信号、不破坏整体图像质量。任务的核心目标是服务于下游的病灶评估。模型开发数据集：Duke-Breast-Cancer-MRI（Duke数据集）。 研究采用回顾性设计，使用公开的Duke-Breast-Cancer-MRI数据集（杜克大学发布，乳腺DCE-MRI领域的经典公开数据集）进行模型开发与训练，包括血管分割网络的训练及血管擦除模块的构建。分割性能的评估基于人工标注的血管分割金标准，通过DSC量化模型与人工标注的重合程度。研究数据集：Duke数据集 + AMBL数据集。研究采用双数据集设计：一方面继续使用Duke数据集中的病例图像，另一方面引入Advanced-MRI-Breast-Lesions（AMBL）数据集的图像，用于评估模型在不同来源、不同病变类型（尤其是非肿块样强化等复杂表现）上的泛化表现。5名乳腺放射科医生对去血管前后的MIP图像进行独立评估，形成150次评估、600份响应的读者研究数据。评估指标体系。 研究设计了三层评估框架：（i）分割层面——以人工血管标注为金标准计算DSC；（ii）视觉质量层面——统计血管遮蔽病灶的发生率、移除有效性评分、伪影发生率与严重程度；（iii）一致性层面——用Gwet AC1系数衡量多位医生对"血管移除质量"与"伪影影响"的判断是否稳定可靠。数据集特点与意义：研究采用"公开数据集训练 + 多数据集验证 + 多读者临床评估"的完整闭环，避免了对私有标注数据的过度依赖，提高了工作的可复现性与外推性。Duke数据集作为开发集提供了充足且多样的DCE-MRI样本，AMBL数据集作为外部数据源则补充了更多高级别、复杂乳腺病变的影像类型，使读者研究结论更贴近真实临床场景。整体数据设计支撑了研究"高有效性、低伪影、高读者一致性"的核心结论，为后续将DeepVEST集成到乳腺MRI阅片工作流、辅助放射科医生（特别是面对血管干扰明显的NME病例时）提供了数据与方法学基础。

数据下载：

https://pubmed.ncbi.nlm.nih.gov/42714297/

九、Nimble-9B-MedMCQA2026数据集

MedMCQA 是一个面向医学领域问答的大规模英文多选题数据集，由 Pal 等人于 2022 年发布（CHIL, PMLR v174），题目源自印度 AIIMS PG 和 NEET PG 等真实医学入学考试（1991 年至今），共包含 194k 道题、覆盖 21 个医学学科和 2.4k 个 healthcare 主题，每道题以 JSON 形式给出题干（question）、四个选项（opa–opd）、1-based 正确答案索引（cop）、题型标记（choice_type，single/multi）、专家解析（exp，缺失率较高常为 null）、所属学科（subject_name）和主题（topic_name）等字段；数据按考试来源而非随机方式切分——训练集为 182,822 道模拟题和在线测试题，验证集为 6,150 道 NEET PG 真题，测试集为 4,183 道 AIIMS PG 真题，三集之间已做相似题去重，且测试集 ground-truth 不公开、需通过官方 Google Form 提交预测（CSV 格式，id + 从 1 开始的选项索引）；该数据集要求模型综合运用病因推断、药理机制、诊断鉴别等十余种推理能力，已成为医学 NLP 的重要基准之一。

数据下载：

https://drive.usercontent.google.com/download?id=15VkJdq5eyWIkfb_aoD3oS8i4tScbHYky&export=download&authuser=0

十、EEG_EMGFoundationChallenge2026数据集

NeurIPS 2026 EEG/EMG Foundation Challenge（Neural Interfaces for Generalizable Decoding）是 NeurIPS 2026 的官方开放竞赛，核心出发点是检验一个正在流行的说法：生物信号基础模型（biosignal foundation models）声称只需少量 per-task 训练就能在 subjects、sessions、devices 之间迁移。这个主张在文献里常被与另外两个claim混为一谈——单任务性能、shift 鲁棒性、跨任务表征复用——挑战赛用4+1 track 的设计把三者显式拆开，前4个track各自考察一种受控迁移（cross-stimulus / cross-session / cross-device / cross-user），第 5个track 进一步收紧控制，强制一个encoder覆盖全部4个任务（3 个 EEG + 1 个 EMG），以此把"单任务赢"与"可复用的表征学习"区分开工程上，整个挑战建立在一个统一harness 之上：BIDS-first数据接口（EEGDash）+ NeuralBench 评测栈 + braindecode 基线库，评测协议对所有 track 固定，从而让分数差异可以归因到模型本身而非协议差异。Track 01 · EEG-to-IMG（跨刺激迁移）——从单个 EEG epoch 解码被试正在观看的图像，形式化为在 held-out 候选池中做排序检索（ranking against held-out candidates）。回归目标使用冻结的 DINOv2-giant 图像 embedding——即模型不需要学习图像空间本身，难点集中在 EEG 侧的表征对齐。受控 shift 是cross-stimulus：测试集的图像在训练中从未出现过。Track 02 · BCI Decoding（跨 session 迁移）——从短 EEG 窗口中解码被试的提示性心理命令（motor imagery / mental calculation / word association 三种）。受控 shift 是cross-session：模型在同一被试的早期 session 上训练、在其后期 session 上测试，不允许做 per-session 重校准。Track 03 · Sleep Onset（跨设备迁移）——在消费级可穿戴 EEG（Muse）上，预测从记录开始到首个稳定 N2 epoch 的延迟（秒）——即入睡时刻的精确定位。之所以用"时刻回归"替代完整的睡眠分期，是因为可穿戴信号太稀疏，无法支撑逐 epoch 的 hypnogram 重建。受控 shift 是cross-device / cross-montage：训练用科研级通道、测试迁移到家用的 wearable 通道和电极布局。Track 04 · EMG-to-Text（跨用户迁移）——从腕带表面 EMG 解码被试敲击的键盘输入，形式化为序列到序列转导（QWERTY 文本生成）。受控 shift 是cross-user：100+ 名 held-out 用户在前臂解剖、打字习惯、传感器重贴位置上均不同——过拟合单一用户"几何"的模型会直接失败。Track 05 · Foundation Transfer（单一 encoder）——强制所有四个track共用同一套encoder权重，head 可以按任务分化、encoder 不能。跨 EEG 和表面 EMG 共享权重，正是为了证明"表征可复用"而不是"逐任务各自训练"。共提供14个公开 seed 数据集 + 4 个 2026 年新增数据集，累计覆盖3,700+ 被试，全部通过 NeuralBench 以 BIDS-first 接口分发；此外 EEGDash 还额外暴露700+ 附加 EEG 语料供基础模型预训练使用。4 个新增数据集按"每个认知域一个"的原则对应 4 个 track，其中 2 个用于训练、2 个作为镜像其公开母集的隐藏测试集。Track 对应的新增数据集：

Track	新增数据集	规模	用途
Track 1 · EEG-to-IMG	Alljoined eval cohort（Alljoined 发布）	11 名被试，Emotiv 硬件，自然图像范式，32 ch / 250 Hz	隐藏测试集，镜像公开的 Alljoined-1.6M
Track 2 · BCI	Graz / BrainHero	20 被试 × 6 session，混合 Graz 与 BrainHero 范式，64 ch / 500 Hz / 80h	训练
Track 3 · Sleep	Muse wearable	~1,000 名被试家用 EEG，4 ch / 256 Hz / 1000h+，含n2_onset标注	训练
Track 4 · EMG-to-Text	Wristband EMG cohort（Meta Reality Labs 发布）	100 名被试，32 ch / 2000 Hz，同 emg2qwerty 硬件与采集范式	隐藏测试集

公开数据集（14 个）按模态分组的关键数据集如下——EEG·视觉解码：THINGS-EEG1（50 subj/64ch/1000Hz）、THINGS-EEG2（10 subj/121h/64ch）、Alljoined-1（8 subj/512Hz）、Alljoined-1.6M（20 subj/100h/32ch/250Hz）。EEG·BCI 运动想象与心理任务：Stieger 2021（62 subj/644h 连续 MI）、Dreyer 2023（87 subj 大规模 MI）、Zyma 2019（35 subj 心理任务）、Scherer 2015（9 subj 个体化 BCI）。Sleep：Sleep-EDF Extended（78 subj/3,600h）、PhysioNet Challenge 2018（1,983 subj/14,200h）、HMC Sleep Staging（151 subj/1,200h）。EMG：emg2qwerty（108 subj/346h/32ch/2000Hz，Meta 于 NeurIPS 2024 开源）

数据下载：

https://neural-interfaces26.github.io/tracks.html[#datasets](javascript:😉