-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2022-07-14 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-13 신규 샘플데이터 개방 2022-07-14 콘텐츠 최초 등록 소개
반려동물 질병 검사 과정에 필요한 엑스레이, 초음파 등의 영상을 기반으로 흉부 질환 진단에 활용하는 AI 기술 개발을 위한 데이터
구축목적
- 반려동물 질병진단 서비스를 제공하기 위해 AI 학습 과정에 필요한 다량의 고품질 데이터 확보 - 확보된 다량의 고품질 데이터를 활용해 학습한 질병진단 AI 모델 기반의 서비스를 토대로 반려동물 산업 분야의 의료서비스 활성화
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 동물병원 라벨링 유형 바운딩박스/폴리곤/라인 라벨링 형식 JSON 데이터 활용 서비스 반려동물 질병진단 서비스 데이터 구축년도/
데이터 구축량2021년/156,942 -
데이터 구축 규모
데이터 구축 규모 구분 구축량 질환데이터 정상데이터 질환비율 (건) (건) (건) (%) Ch01(심비대) 10,327 3,880 6,447 37.60% Ch02(기관허탈) 13,574 1,870 11,704 13.80% Ch03(종격동변위) 16,431 471 15,960 2.90% Ch04(흉강종양) 32,083 503 31,580 1.60% Ch05(기흉) 23,117 510 22,607 2.20% Ch06(횡경막탈장) 33,955 210 33,745 0.60% Ch07(자세이상) 27,455 17,442 10,013 63.50% 합계 156,942 24,886 132,056 15.90% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드ResNet 50 기반 구현
주요 분류 모델은 (He et. al., Deep Residual Learning for Image Recognition, CVPR 2016) 결과에 기반하여 적용
학습을 위하여 모든데이터는 수평으로 된 이미지로 전처리 과정을 거침
주요 학습을 위한 구현 상세는 다음과 같음
- Input size = (256,256,3)
- * 참고 영상의 사이즈와 파라메터는 입력영상의 균질성에 따라 다르게 적용
- Total Data : 746
- Train/Test dataset split = 5:2
- Train/valid split for training = 9:1
- Binary Cross entropy loss
- Adam
- > Learning rate = 0.001
- > Beta1 = 0.9
- > Beta2 = 0.999
‧GPU = Nvidia-GeForce-GTX-1060-6GB / NVIDIA-A100-PCIE-40GB
‧Batch size = 8 / 64
‧Epoch = 1,000 / 10,000Sample data set에 대한 학습결과는 다음과 같음
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 반려동물 질환 진단 정확도(심비대(Ch02)) Segmentation Deeplab_v3+ F1-Score@IoU 0.25 0.7 점 0.7143 점 2 반려동물 질환 진단 정확도(기흉(Ch05)) Object Detection Faster-RCNN F1-Score@IoU 0.5 0.7 점 0.7605 점
※ 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 포맷
- 원시데이터
- 원천데이터
Species D mission-id 61 Birth 20090508 Sex IF Hospital-id 1 Disease ABN Disease-Name ch04 Date 20191212 DuplicateNo 1 데이터 구성
데이터 구성 항목 타입 필수 비고 유효값 / 허용범위 / 예시 유효값 설명 국문영 영문영 여부 Species 종별 string Y 종 (개 90%, 고양이 10% ) D, C 개(D), 고양이(C) 구분 Mission-id 과제 ID string Y 세부과제번호(복부, 흉부, 근골격계) 60, 61, 62 60 = 복부 61=흉부 62=근골격계 Birth 생년일 string Y 생년월일 ex) 20020829 형식 : YYYYMMDD Sex 성별 string Y 성별 (수컷, 암컷, 중성화수컷, 중성화암컷) IM, IF, CM, SF 형식 : Male(IM) / Female(IF) / Castrated male(CM) / Spayed female(SF) Hospital-id 병원 코드 string Y 원천데이터 제공병원코드 ex)0023, 0195 수집병원에 대해 일련번호를 정해 사용 (4자리) Disease 질환 유무 string Y 질환 유무 (정상 70%, 질환 30%) ABN, NOR 질환(ABN), 정상(NOR) Disease-Name 질환 부위-명 string Y 복부(Ab), 흉부(Ch), 근골격(Mu) 질환명분류:복부(10종),흉부(7종),근골격계(7종) Date 촬영 시간 string Y 촬영 시간/일자 ex) 20020829 Position 촬영 자세 string Y 촬영 자세 복부(60), 흉부(61) : VD, Lateral 근골격계(62):VD,Lateral,AP,ML Annotation-id 어노테이션 ID string Y 어노테이션 ID 11779877 어노테이션 포맷
어노테이션 포맷 구분 항목 타입 필수 설명 유효값 / 허용범위 / 예시 여부 shape 어노테이션 타입 string N 데이터가공시 선택박스 형태 (Bounding Box, Polygon(Segmentation)) Line, Polygon, Bounding Box points 좌표위치 array Y 폴리곤 혹은 바운딩 박스 좌표 구축데이터 파일명
- 종_질환부위_생년월일_성별_병원코드_질환여부_질환명_촬영시간_수집번호.json
- * 예시 : C_60_20160501_IF_0004_NOR_Ab02_20200822_0015.json
※ 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : ㈜이노그리드
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 구원본 02-516-5990 [email protected] 데이터 구축 및 활용 지원 수행기관(참여)
수행기관(참여) 기관명 담당업무 건국대학교 산학협력단 데이터 수집, AI 학습모델 개발, 응용서비스 개발 강원대학교 산학협력단 데이터 수집, 검수 경북대학교 산학협력단 데이터 수집, 검수 경상국립대학교 산학협력단 데이터 수집, 검수 충남대학교 산학협력단 데이터 수집, 검수 ㈜비투엔 데이터 품질 관리
-
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.