※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
한국인 지방 및 근육량
- 분야헬스케어
- 구분 안심존(온라인)
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021-06-30 데이터 최초 개방 소개
CT 영상 기반 지방 및 근육량 분석을 위한 의료 이미지 데이터
구축목적
건강한 한국인의 CT영상 빅데이터의 수집을 통해 만성질환의 위험요인인 비만과 근감소증의 지방량과 근육량 표준화된 지표를 생성하고, 성별 연령 별 정상 범위를 제시하고자 함.
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 이미지 데이터 형식 데이터 출처 라벨링 유형 라벨링 형식 데이터 활용 서비스 데이터 구축년도/
데이터 구축량2020년/60만 -
구축 내용 및 제공 데이터량
- 원천데이터 801,176건 (건강인 3000명의 CT 영상)을 활용하여 근 육 nii 3000건, voi 3000건, tif 123,000건, 내장 지방 nii 3000건, voi 3000건, tif 240,000건, 피하 지방 nii 3000건, voi 3000건, tif 240,000 건, 통계값 3건 도출
구축 내용 및 제공 데이터량 데이터 종류 데이터 포맷 수량 1. 원본 dcm 801,176 2.근육 nifti (nii) 3,000 voi 3,000 tif 123,000 3.내장 지방 nifti (nii) 3,000 voi 3,000 tif 240,000 4.피하 지방 nifti (nii) 3,000 voi 3,000 tif 240,000 5. 통계값 근육(csv) 1 내장지방(csv) 1 피하지방(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 세그멘테이션 정확도 보조 지표 (muscle) Segmentation U-Net(EfficientB7 backbone) Area Difference 5 % 0.21 % 2 세그멘테이션 정확도 보조 지표 (Subcutaneoust:) Segmentation U-Net(EfficientB7 backbone) Area Difference 5 % 0.08 % 3 세그멘테이션 정확도 보조 지표 (viscera) Segmentation U-Net(EfficientB7 backbone) Area Difference 5 % 0.28 % 4 세그멘테이션 정확도 (muscle) Segmentation U-Net(EfficientB7 backbone) DSC 0.8 단위없음 0.9314 단위없음 5 세그멘테이션 정확도 (Subcutaneoust:) Segmentation U-Net(EfficientB7 backbone) DSC 0.8 단위없음 0.9401 단위없음 6 세그멘테이션 정확도 (viscera) Segmentation U-Net(EfficientB7 backbone) DSC 0.8 단위없음 0.8331 단위없음 7 세그멘테이션 정확도 보조 지표 (muscle) Segmentation U-Net(EfficientB7 backbone) False-Positiv e Fraction 1 % 0.69 % 8 세그멘테이션 정확도 보조 지표 (Subcutaneoust:) Segmentation U-Net(EfficientB7 backbone) False-Positiv e Fraction 1 % 0.42 % 9 세그멘테이션 정확도 보조 지표 (viscera) Segmentation U-Net(EfficientB7 backbone) False-Positiv e Fraction 1 % 0.84 % 10 세그멘테이션 정확도 보조 지표 (muscle) Segmentation U-Net(EfficientB7 backbone) mIoU 70 % 87.51 % 11 세그멘테이션 정확도 보조 지표 (Subcutaneoust:) Segmentation U-Net(EfficientB7 backbone) mIoU 70 % 89.31 % 12 세그멘테이션 정확도 보조 지표 (viscera) Segmentation U-Net(EfficientB7 backbone) mIoU 70 % 72.58 % 13 세그멘테이션 정확도 보조 지표 (muscle) Segmentation U-Net(EfficientB7 backbone) True-Positive Fraction 80 % 94.6 % 14 세그멘테이션 정확도 보조 지표 (Subcutaneoust:) Segmentation U-Net(EfficientB7 backbone) True-Positive Fraction 80 % 93.84 % 15 세그멘테이션 정확도 보조 지표 (viscera) Segmentation U-Net(EfficientB7 backbone) True-Positive Fraction 80 % 82.17 %
※ 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 다운로드데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021.06.30 데이터 최초 개방 구축 목적
- 건강한 한국인의 CT영상 빅데이터의 수집을 통해 만성질환의 위험요인인 비만과 근감소증의 지방량과 근육량 표준화된 지표를 생성하고, 성별 연령 별 정상 범위를 제시하고자 함.
활용 분야
- 일반적인 건강 상태에 대한 기본자료를 제공함으로 인해 질병 위험도 예측 및 예방의 용도로 활용이 가능할 뿐만 아니라 다양한 질병 중심의 CT영상 기반의 질병 유무판별 및 심각도를 평가하는 기준 지표(건강인, 비건강인) 로 활용
소개
- 건강검진 목적으로 촬영한 CT를 활용해서 단지 질병 유무에 대한 정보만 이 아니라, 만성질환의 원인이 될 수 있는 비만과 근감소증 등의 체성분에 대한 유용한 추가적인 정보를 제공하는 AI 데이터 셋으로 기존 시신을 이 용한 CT의료영상데이터가 있으나 건강한 성인(남성/여성), 연령 별(30~70 세) 전신 CT 영상 데이터라는 점을 통해 차별성을 둘 수 있으며 각종 건강 수치 및 생활 습관 등을 고려한 가중치 반영을 통해 고품질의 원천데이터 구축함
구축 내용 및 제공 데이터량
- 원천데이터 801,176건 (건강인 3000명의 CT 영상)을 활용하여 근 육 nii 3000건, voi 3000건, tif 123,000건, 내장 지방 nii 3000건, voi 3000건, tif 240,000건, 피하 지방 nii 3000건, voi 3000건, tif 240,000 건, 통계값 3건 도출
구축 내용 및 제공 데이터량 데이터 종류 데이터 포맷 수량 1. 원본 dcm 801,176 2.근육 nifti (nii) 3,000 voi 3,000 tif 123,000 3.내장 지방 nifti (nii) 3,000 voi 3,000 tif 240,000 4.피하 지방 nifti (nii) 3,000 voi 3,000 tif 240,000 5. 통계값 근육(csv) 1 내장지방(csv) 1 피하지방(csv) 1 대표도면
필요성
- (가) 의료영상 빅데이터와 AI 기술을 활용한 개인맞춤형 예방의학이 필요한 시대
o AI 기반 영상 의료기술은 질병의 진단과 치료 중심으로 개발되어 오고 있음
- 의료 진단용 기술 중, 의료영상 판독은 의료진들의 시간과 노동 을 집약적으로 요구하는 작업으로 AI 기반의 영상 해석이 효율 적인 진단·치료 가이드에 매우 유용한 것으로 알려져 있음
- 2020년 본 사업인 AI 학습용 데이터 구축사업(2차)에서도 지정 공모 중 헬스케어 영역 10개의 분야에서도 소화기계암, 체부 필요성 암, 신경계질환, 피부질환 등의 질병이 상당히 진행된 경우에 활용될 수 있는 빅데이터를 구축하는 데에 중점을 두고 있으며, 건강 AI 데이터에서도 신경계 및 재활 분야의 질환을 특정하고 있어, 초고령화사회 의료비의 주범인 만성질환 및 생활습관병 의 주요 원인이 되는 비만과 근감소증 등 건강상태를 확인하고 예측하는 데 도움이 되는 건강인의 영상 데이터 구축 분야가 제 외되어 있음
- (나) AI 기반 영상 의료기술도 예방·관리중심으로 패러다임의 전환 이 필요
o ‘헬스케어 이노베이션 포험 2019’에서 미국 싱귤래리티 의대 학 장인 다니엘 크래프트 교수는 AI 기반의 의료진단 기술은 향후 한 단계 나아가 예방 및 조기진단 등으로 그 기능을 확대할 것으 로 예상
o 질병을 예방하고 조기에 진단하여 건강을 증진하는 것은 질병을 진단하고 치료하는 데 드는 의료비 및 그로 인한 사회경제적 부 담을 감소시키는 데 더 효과적이기 때문에, 건강증진정책 및 예 방관리에 활용될 수 있는 건강인을 대상으로 한 헬스케어 의료 분야 빅데이터의 수집 및 구축이 시급함
데이터 구조
- 1. 데이터 구성
구축 내용 및 제공 데이터량 데이터 종류 포함내용 제공방식 피하 지방량 이미지 요추 L3 부분으로 피하지방(80장), 내 장지방(80장), 근육(40장)
총 60만장 데이터NII, TIF 내장 지방량 이미지 NII, TIF 근육량 이미지 NII, TIF 지방 및 근육량 VOI 이미지에 대한 메타데이터(3000개) CSV - 2. 어노테이션 포맷
1) 지방 및 근육량 이미지 Anntation
<지방 및 근육량 이미지 Annotatain>
2) 평균값 추출
구축 내용 및 제공 데이터량 No 항목 항목 영문 길이 타입 필수 여부 비고 1 case번호 case num 10 String Y 1-1 파일경로 file path 200 String 1-2 파일명 file 100 String 1-3 학술설명 StudyDescription 100 String 1-4 어노테이션 Color Color [0xARGB] 10 String 1-5 어노테이션 식별자 VoiName 20 String 1-6 Averaged 값 Averaged 10 String Y 1-7 sd 값 Sd 10 String Y 3) Total값 추출
구축 내용 및 제공 데이터량 No 항목 항목 영문 길이 타입 필수 여부 비고 2 case번호 case num 10 String Y 2-1 파일경로 file path 200 String 2-2 파일명 file 100 String 2-3 학술설명 StudyDescription 100 String 2-4 어노테이션 Color Color [0xARGB] 10 String 2-5 어노테이션 식별자 VoiName 20 String 2-6 Total 값 Total(AVR*VOL) 10 String Y -
데이터셋 구축 담당자
수행기관(주관) : 비온시이노베이터
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 오홍근 070-4763-4730 [email protected] · 서비스 서버 구축 및 관리 · 플랫폼 및 서비스 제공 · 가이드라인 통합 · 데이터 정제 수행기관(참여)
수행기관(참여) 기관명 담당업무 한결정보기술(주) · 데이터 가공 비영리IT지원센터 · 데이터 가공 (주)피씨엔 · AI 서버 구축 관리
· AI 알고리즘 설계
· AI 성능 분석전남대학교병원 · 데이터 수집 및 판별, 검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 오홍근(비온시이노베이터) 070-4763-4730 [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.