AI-Hub

데이터 변경이력

소개

유방암 진단 및 치료 과정에서 필요한 영상·이미지 데이터

구축목적

의료 진단에서 활용될 수 있는 의료 인공지능 개발이 세계적으로 소개되고 있지만 민감한 의료 정보를 담고 있기 때문에 접근할 수 있는 오픈소스 의료 데이터의 종류가 제한적임.
따라서 유방암 진단에 활용할 수 있는 3종류의 유방암 의료 영상 데이터셋을 구축하여 영상 진단 판독을 보조할 수 있는 의료 인공지능 개발을 도모하고 의료 산업의 발전을 기대함

구축 내용 및 제공 데이터량

• 유방암 데이터셋은 병원으로부터 원본 의료 이미지 데이터 획득 후 익명화 및 비식별화 과정을 거친 뒤 전문의의 라벨링으로 구축되었음.

  구축 내용 및 제공 데이터량 구조테이블

  유형	구축 건수(건)
  	분류	환자수	영상 수
  유방 초음파	양성	600명	600명
  	악성	600명	600장
  유방 촬영술	잔존암이 없는 환자	150명	600장
  	잔존암이 있는 환자	150명	600명
  유방 MRI	잔존암이 없는 환자	150명	326,425장
  	잔존암이 있는 환자	150명	326,413장

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 의료 진단에서 활용될 수 있는 의료 인공지능 개발이 세계적으로 소개되고 있지만 민감한 의료 정보를 담고 있기 때문에 접근할 수 있는 오픈소스 의료 데이터의 종류가 제한적임.
• 따라서 유방암 진단에 활용할 수 있는 3종류의 유방암 의료 영상 데이터셋을 구축하여 영상 진단 판독을 보조할 수 있는 의료 인공지능 개발을 도모하고 의료 산업의 발전을 기대함.

활용 분야

• 의료 영상 판독 보조 소프트웨어 산업

소개

• 의료용 인공지능 학습 모델 개발을 위한 멀티모달 유방 영상 의료 데이터셋 구축
• 유방암의 종양 감별을 위한 유방 초음파의 양성, 악성 이미지 데이터셋 구축
• 항암 치료 이후 유방의 잔존암이 남아있는지 유, 무를 판별하기 위한 유방 MIR, 유방촬영술 이미지 데이터셋 구축

구축 내용 및 제공 데이터량

• 유방암 데이터셋은 병원으로부터 원본 의료 이미지 데이터 획득 후 익명화 및 비식별화 과정을 거친 뒤 전문의의 라벨링으로 구축되었음.

  구축 내용 및 제공 데이터량 구조테이블

  유형	구축 건수(건)
  	분류	환자수	영상 수
  유방 초음파	양성	600명	600명
  	악성	600명	600장
  유방 촬영술	잔존암이 없는 환자	150명	600장
  	잔존암이 있는 환자	150명	600명
  유방 MRI	잔존암이 없는 환자	150명	326,425장
  	잔존암이 있는 환자	150명	326,413장

대표도면

대표도면 표

모달리티	유방암 영상데이터	데이터 포맷	어노테이션 항목	메타데이터 JSON 형식
유방 초음파		DICOM	병변 부위 Polygon 체크	● DICOM 파일(비식별화 후) ● - patient id => anonymized id ● - patient name => anonymized ● JSON 파일    - 환자:JSON = 1:1 ● Excel 파일 - 양성/악성정보 비식별 환자ID, 나이, 제조사, 모델명
유방촬영술		DICOM	병변 부위 Polygon 체크	● DICOM 파일 (비식별화 후) ● - patient id => anonymized id ● - patient name => anonymized ● JSON 파일    - 환자:JSON = 1:n ● Excel 파일 - 잔존암 정보, 비식별 환자ID, 나이, 제조사, 모델명, 사이드, ER, PR, HER2, IDC, Compression force
유방 MRI		DICOM	병변 부위 Polygon 체크	● DICOM 파일 ● - patient id => anonymized id ● - patient name => anonymized ● JSON 파일  - 환자:json = 1:n ● Excel 파일 - 잔존암정보, 비식별 환자ID, 나이, 제조사, 모델명, 사이드, ER, PR, HER2, IDC

필요성

• 유방암 데이터셋은 의료진이 유방암 환자를 진단할 때 사용하는 대표적인 영상 3가지(유방 초음파, 유방 촬영술, 유방 MRI) 카테고리로 구성됨
• 현재 인공지능 기술은 오픈소스 활용 등으로 다양하게 발전하고 있으나, 학습에 기반이 되는 데이터는 환자 정보로 인한 의료 정보의 특수성으로 확보가 어려움
• 따라서, 유방암 진단을 위한 3가지 종류의 데이터셋을 통해 의료 인공지능 기술 발전을 도모하고 인공지능 진단 모델을 활용하여 의료진의 종합적이고 효율적인 진단을 통한 의료 서비스의 질적 향상을 기대함

데이터 구조

• 데이터구성
  - 메타데이터는 JSON 포맷으로 제공됨
  1) 유방초음파

  유방초음파 데이터구성 표

  컬럼명	상세내역
  recvid (type: number)	환자 익명 ID (min: 1000000, max: 9999999)
  annotation_type (type: string)	어노테이션 유형 (polygon segmentation)
  class (type: number)	0: 양성, 1: 악성

  2) 유방촬영술
      - dcm파일마다 json 파일이 제공되며, 유방촬영술 view정보 포함

  유방촬영술 데이터구성 표

  컬럼명	상세내역
  recvid (type: number)	환자 익명 ID (min: 1000000, max: 9999999)
  mammo_view (type: string)	유방촬영술 View 정보 (RCC, LCC, RMLO, LMLO)
  annotation_type (type: string)	어노테이션 유형 (polygon segmentation)
  exist_binary (type: number)	유방촬영술 View에 따른 세그멘테이션 파일 유무 0: 세그멘테이션 파일 없음 1: 세그멘테이션 파일 있음
  class (type: number)	0: 잔존암 있음 (no pCR), 1: 잔존암 없음 (pCR)

  3) 유방MRI
      - MRI 단일 볼륨 Series폴더 마다 json파일 제공

  유방MRI 데이터구성 표

  컬럼명	상세내역
  recvid (type: number)	환자 익명 ID (min: 1000000, max: 9999999)
  serious_name (type: string)	유방MRI Serious 정보 제공 (t1_post_1, t1_post_2, t1_post_3, t1_post_4, t1_post_5, t1_post_sub_1, t1_post_sub_2, t1_post_sub_3, t1_post_sub_4, t1_post_sub_5, t1_pre, t2)
  annotation_type (type: string)	어노테이션 유형 (polygon segmentation)
  class (type: number)	0: 잔존암 있음 (no pCR), 1: 잔존암 없음 (pCR)

데이터셋 구축 담당자

수행기관(주관) : 에이아이트릭스

수행기관(참여)

데이터 관련 문의처