※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021-06-30 데이터 최초 개방 소개
뇌혈관 질환 진단 및 치료 과정에서 필요한 영상·이미지 데이터
구축목적
두부 CT 영상에 대해 의료 환경에서 적용 가능한 수준의 뇌출혈 가능성 및 출혈 부위 진단을 제시하는 인공지능을 훈련하기 위한 학습용 데이터셋
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 이미지 데이터 형식 데이터 출처 라벨링 유형 라벨링 형식 데이터 활용 서비스 데이터 구축년도/
데이터 구축량2020년/214만 -
구축 내용 및 제공 데이터량
- 개인정보 및 안면부가 비식별화된 dicom 형태의 두부 CT 데이터 약 53,000건 (영상 이미지 약 230만 장)
- 출혈 유무 및 종류가 분류됨 (비출혈 46,000 건, 출혈 7,000 건)
- 출혈 부위에 대하여 다각형 형태의 레이블된 이미지 (json 파일, 약 8만 장)
- 출혈 부위에 대한 label을 쉽게 확인가능한 png 형태의 파일 (약 8만 장)
출혈 부위에 대한 label을 쉽게 확인가능한 png 형태의 파일 표 데이터 설명 예시 포맷 수량 두부 CT 영상 출혈 유무 판독가능한 CT 영상 
dicom 53,041 건
(이미지 2.328.919 장)대상자 기본 정보 데이터 특성을 나타내는 기본 정보 
csv 1 다각형 라벨 출혈 부위에 대한 다각형 형태의 라벨 및 영상 
json, png 82,692 장 뇌출혈 분류 라벨 뇌출혈 종류에 대한 분류 라벨 
csv 1
-
-
AI 모델 상세 설명서 다운로드
AI 모델 다운로드 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 모델 학습 성능(뇌질환 인식 모델) Object Detection 지도학습, CNN 기반 딥러닝 알고리즘 Accuracy 85 % 97.3 % 2 모델 학습 성능(뇌질환 인식 모델) Object Detection 지도학습, CNN 기반 딥러닝 알고리즘 AUC-ROC 0.85 단위없음 0.979 단위없음
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021.06.30 데이터 최초 개방 구축 목적
- 두부 CT 영상에 대해 의료 환경에서 적용 가능한 수준의 뇌출혈 가능성 및 출혈 부위 진단을 제시하는 인공지능을 훈련하기 위한 학습용 데이터셋
활용 분야
- 두부 CT 영상에 대한 뇌출혈 진단 AI 모델 개발
소개
- 6개 의료기관에서 획득한 약 53,000 건의 두부 CT 영상으로부터 자체 제작 annotation tool을 활용하여 다각형 형태의 출혈 분류 및 출혈 부위를 라벨링 하였을 뿐 아니라, 개인정보 및 안면부 비식별화된 dicom 형태의 두부 CT 영상을 공개함으로써 개인정보 보호 이슈를 완전히 해결한 뇌출혈 진단 AI 모델 개발을 위한 학습용 데이터셋 구축
구축 내용 및 제공 데이터량
- 개인정보 및 안면부가 비식별화된 dicom 형태의 두부 CT 데이터 약 53,000건 (영상 이미지 약 230만 장)
- 출혈 유무 및 종류가 분류됨 (비출혈 46,000 건, 출혈 7,000 건)
- 출혈 부위에 대하여 다각형 형태의 레이블된 이미지 (json 파일, 약 8만 장)
- 출혈 부위에 대한 label을 쉽게 확인가능한 png 형태의 파일 (약 8만 장)
출혈 부위에 대한 label을 쉽게 확인가능한 png 형태의 파일 표 데이터 설명 예시 포맷 수량 두부 CT 영상 출혈 유무 판독가능한 CT 영상 dicom 53,041 건
(이미지 2.328.919 장)대상자 기본 정보 데이터 특성을 나타내는 기본 정보 csv 1 다각형 라벨 출혈 부위에 대한 다각형 형태의 라벨 및 영상 json, png 82,692 장 뇌출혈 분류 라벨 뇌출혈 종류에 대한 분류 라벨 csv 1
대표도면
최종 구축된 데이터
필요성
- 딥러닝을 이용한 뇌출혈 진단 모델이 국외에서 활발히 연구되고 있으며, 의료 기기로서 기대가 높아 연구 뿐 아니라 실제 현장에서 활용이 기대되고 있으나, 국내에서 시장 진입을 원하는 기술 보유 기업 및 연구소, 대학이 활용가능한 고품질의 대용량 데이터셋이 전무한 실정임
- 현재 국내에 뇌출혈 영상 관련 공개 데이터셋은 없으며, 해외 2건의 공개 데이터셋이 있으나, 실제 의료 환경에서 사용가능한 의료 기기 개발에는 데이터셋의 규모가 다소 제한적임
- 이에 CT 영상에 대한 AI 기반 뇌출혈 유무 및 종류 진단이 가능한 AI 모델 개발을 위해서는 실제 의료 환경에서 데이터에 존재하는 질환의 소견 및 촬영 장비 등의 다양성을 반영한 대량의 데이터를 확보하고, 전문가 수준의 뇌출혈 유무 및 출혈 부위에 대한 annotaion/label AI 학습용 데이터를 생성하는 것이 필수적임
- 구축된 양질의 AI 학습용 데이터셋을 공개함으로써, 활용을 원하는 기업 및 연구소 등에서 기확보된 우수한 기술력을 바탕으로 임상적 미충족 수요를 해결할 수 있는 기술 개발을 기대할 수 있음
데이터 구조
- 데이터의 구성
데이터 구성 표 구분 디렉토리 파일 파일명 형식 출혈분류 검사별 출혈없음 00000/ 1/ 00000001.dcm
00000001.png
...프레임번호.dcm
프레임번호.png
...... ... 출혈있음 10000/ 3/ 00000002.dcm
00000002.json
00000002.png
...프레임번호.dcm
프레임번호.json
프레임번호.png
...11000/ 4/ 00000004.dcm
00000004.json
00000005.png
...11110/ 5/ 00000006.dcm
00000006.json
00000006.png
...11111/ 6/ 00000008.dcm
00000008.json
00000008.png... ... ... - 출혈 분류 출혈 분류는 5가지 출혈 종류를 각각 없음(0) 혹은 있음(1)으로 표시
출혈이 없는 경우 00000으로 분류되고, 그 이외의 경우 단순 혹은 복합 출혈의 해당 디렉토리에 위치함출혈분류 표 대분류 출혈 종류 디렉토리명(출혈분류) 출혈 부위 라벨링 색상 출혈없음 00000 단순 출혈
내뇌 출혈 (intraparenchymal) 10000 Red 지주막하 출혈 (subarachnoid) 01000 Blue 경막하 출혈 (subdural) 00100 Yellow 뇌실내 출혈 (intraventricular) 00010 Green 경막외 출혈 (epidual) 00001 Cyan 복합 출혈 단순 출혈의 여러 조합으로 이루어짐 11000: ICH+SAH
01010: SAH+IVH 등 - 어노테이션 포맷
어노테이션 포맷 표
항목 길이
타입
비고
한글명 영문명 1 데이터 파일명 data 255 string 2 완료 completions list 2-1 결과 result list 2-1-1 이미지 높이 result[].original_height number 2-1-2 이미지 넓이 result[].original_width number 2-1-3 어노테이션 타입 result[].type 50 string "polygonlabels" 2-1-4 어노테이션 값 result[].value object 2-1-4-1 레이블 정보 result[].value.polygonlabels[] list 2-1-4-2 레이블 값 result[].value.polygonlabels[] 100 string 2-1-5-1 폴리곤
좌표리스트result[].value.points list 2-1-5-2 폴리곤 좌표 result[].value.points[] list [x좌표, y좌표]
-
데이터셋 구축 담당자
수행기관(주관) : 가톨릭대학교 산학협력단
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 전지원 02-2258-7586 [email protected] · 데이터 구축 총괄 · 데이터 획득, 정제, 가공, 품질관리, 서비스 모델 개발 수행기관(참여)
수행기관(참여) 기관명 담당업무 중앙대학교 · 데이터 획득, 정제 건국대학교병원 · 데이터 획득, 정제 인제대학교부산백병원 · 데이터 획득, 정제 한국외국어대학교 · 데이터 정제 ㈜데이터누리 · 데이터 가공, 품질관리 광주과학기술원 · AI 모델 개발 세종대학교 · AI 모델 개발, 서비스 모델 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 전지원(가톨릭대학교 산학협력단) 02-2258-7586 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.