※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-11-17 데이터 최종 개방 1.0 2023-05-26 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-20 산출물 전체 공개 소개
구음장애를 가진(뇌경색, 뇌출혈, 루게릭, 청각장애) 사람을 대상으로 13가지 주제를 기반으로 한 명령어(일상, 금융, 엔터, 교통정보 등)를 녹음한 음성데이터
구축목적
구음장애를 가진(뇌경색, 뇌출혈, 루게릭, 청각장애) 사람을 대상으로 13가지 주제를 기반으로 한 명령어(일상, 금융, 엔터, 교통정보 등)를 녹음한 음성데이터를 통해 뇌졸중을 분류 AI 활용 모델을 만들기 위한 목적으로 구축
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 오디오 데이터 형식 WAV 데이터 출처 이화여자대학교산학협력단, 충남대학교 산학협력단, ㈜청각장애인생애지원센터, 동남권원자력의학원, 경희대학교 산학협력단 라벨링 유형 전사(음성) 라벨링 형식 JSON 데이터 활용 서비스 구음장애인 명령어 음성인식 서비스 데이터 구축년도/
데이터 구축량2022년/구음장애인 명령어 데이터 : 2,976,422 -
데이터 통계
1) 데이터 구축 규모1) 데이터 구축 규모 데이터 종류 데이터 항목 데이터 형식 카테고리 분류 데이터 수 구음장애인 명령어 데이터데이터 원천 데이터 WAV 뇌경색 867,343건 뇌출혈 6,039건 루게릭 203건 청각장애 2,102,837건 합계 2,976,422 라벨링 데이터 JSON 뇌경색 867,343건 뇌출혈 6,039건 루게릭 203건 청각장애 2,102,837건 합계 2,976,422 2) 데이터 분포
가. 중증도 분포2) 데이터 분포 가. 중증도 분포 카테고리 구분 데이터 수 비율 뇌경색 867,343건 29.14% 뇌출혈 6,039건 0.20% 루게릭 203건 0.01% 청각장애 2,102,837건 70.65 합계 2,976,422 100% 나. 성별
2) 데이터 분포 나. 성별 카테고리 구분 수 비율 여성 1,605,423 53.94% 남성 1,370,999 46.06% 합계 2,976,422 100% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드활용 모델
1) 음성 인식 모델
● 모델 학습
Librosa를 통해 수집된 음성 데이터를 학습모델에 사용할 수 있도록 20초 미만의 음성으로 slicing을 통해 전처리 수행
전처리된 음성 데이터를 ESPNet 모델에 학습하여 명령어 음성 데이터를 인식하는 음성 인식 모델을 개발1) 음성 인식 모델● 모델 학습 학습 검증 시험 개요 ESPNet 학습 학습 도중 모델 성과 평가 및 비교 모델 학습 완료 후 모델 테스트 CER 점수 등 학습 데이터 2,974,422건 2,974,422건 2,974,422건 
● 서비스 활용 시나리오
구축한 모델은 구음장애를 가진 사람의 대화를 인식하는 서비스에 활용할 수 있음
1. 구음장애인 명령어를 인식하는 음성인식 서비스에 활용2) 뇌졸중 분류 모델
● 모델 학습
뇌경색, 뇌출혈, 루게릭, 청각장애를 가진 사람의 음성을 학습하여 뇌졸중을 가진 사람을 분류하는 분류 모델을 개발2) 뇌졸중 분류 모델● 모델 학습 학습 검증 시험 개요 mobile + dense 아키텍쳐를 통해 학습 학습 도중 모델 성과 평가 및 비교 모델 학습 완료 후 모델 테스트 F-1 Score점수 등 학습 데이터 2,974,422건 2,974,422건 2,974,422건 ● 서비스 활용 시나리오
음성 인식으로 생성된 텍스트를 4가지 프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실)로 구분하여 텍스트 분류
1. 의료진-환자 간의 대화 내용 분류 서비스에 활용
- 음성 인식을 통해 생성되는 텍스트 정보를 내용에 따라 4가지 프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실로 구분하여 EMR에 작성할 수 있는 고도화 모델로 사용할 수 있음
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 음성 인식 성능 Speech Recognition ESPNet2 CER 30 % 8.1 % 2 음성기반 뇌졸중 감별 성능 Audio Classification RESNET + ATTENTION F1-Score 0.7 점 0.8857 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
1) 원문데이터 포맷
구음장애인 명령어 데이터 : WAV
음성 전사 및 메타 데이터 : JSON데이터 포맷 1) 원문데이터 포맷 구분 획득(수집)단계 정제 단계 가공(라벨링) 단계 데이터 구분 원시데이터 원천데이터 최종데이터 데이터 형태 WAV WAV, JSON WAV, JSON 데이터 포맷 16kHz sampling rate, 16bit, mono 방식으로 인코딩 16kHz sampling rate, 16bit, mono 형식의 데이터 구음장애인 명령어 데이터 구조 예시
데이터 구성
원천데이터 Train 뇌경색 IoT Test 뇌출혈 일상 Validation 루게릭 금융 청각장애 엔터테인먼트 교통정보 의료시설정보 의료예약 일반의료정보 날씨 장애편의 일반정보검색 쇼핑 장애지원센터 원천데이터는 3분할 Train, Test, Validation으로 구성
각 Train, Test, Validation 폴더에는 4개의 하위폴더 뇌경색, 뇌출혈, 루게릭, 청각장애로 구성되고 다음 하위 폴더에는 13개의 명령어 종류에 대한 폴더로 구성되어 있음어노테이션 포맷
어노테이션 포맷 No. 항목 타입 필수여부 영문명 한글명 1 dataset 데이터셋 정보 object Y 1-1 filename 파일명 string Y 1-2 speakerID 화자 아이디 string Y 1-3 sentenceType 문장 종류 string Y 1-4 category 명령어 카테고리 string 1-5 numberOfRecordings 녹음 횟수 string Y 1-6 sentenceID 문장 아이디 string Y 1-7 recordingSystem 녹음 방식 string Y 1-8 recordingQuality 녹음 형태 string Y 1-9 recordingDate 녹음 날짜 string Y 1-10 recordingTime 녹음 시간 (소수점 세 자리까지) number Y 1-11 recordingDevice 녹음 기기 string Y 2 speaker 발화자 정보 array Y 2-1 gender 성별 string Y 2-2 age 연령대 string Y 2-3 education 교육력 string Y 2-4 hospital 병원 string Y 2-5 classification 장애분류 string Y 2-6 intelligibility 말명료도 string Y 2-7 degree 장애정도 string Y 2-8 diagnostics 최근진단일 string 2-9 device 청각보조기기 사용유무 string 2-10 deviceUsedAge 청각보조기기 착용시기 string 2-11 comunicationTool 주의사소통수단 string 2-12 rehabilitation 재활경험 string 2-13 hearingLoss 청력손실시기 string 3 annotations 전사 정보 array 3-1 script 명령어 스크립트 string 3-2 form 발음/철자 전사 string Y 3-3 pronunciationForm 발음 전사 string 3-4 spellingForm 철자 전사 string Y 3-5 start 발화 시작 시간 (소수점 세 자리까지) number Y 3-6 end 발화 종료 시간 (소수점 세 자리까지) number Y {
"dataset": {
"filename": "HM0001_SCO_A_1_001",
"speakerID": "HM0001",
"sentenceType": "SCO",
"category": "A",
"numberOfRecordings": "1",
"sentenceID": "001",
"recordingSystem": "CON",
"recordingQuality": "16000Hz",
"recordingDate": "20220729",
"recordingTime": 3.714,
"recordingDevice": "SM"
},
"speaker": {
"gender": "M",
"age": "50~60대",
"education": "E4",
"hospital": "HM",
"classification": "CI",
"intelligibility": "SIR3",
"degree": "SEVERE",
"diagnostics": "20220723",
"device": null,
"deviceUsedAge": null,
"comunicationTool": null,
"rehabilitation": null,
"hearingLoss": null
},
"annotations": {
"script": "외출할 때 티브이 꺼 줘.",
"form": "(애츨할)/(외출할) 때 티브이 꺼 (즈어.)/(줘.)",
"pronunciationForm": "애츨할 때 티브이 꺼 즈어.",
"spellingForm": "외출할 때 티브이 꺼 줘.",
"start": 0.000,
"end": 3.714
}
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜타이거컴퍼니
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김범진 1688-3708 [email protected] 사업총괄, 사업 인프라 제공, AI 모델 구축 및 검증, 크라우드 소싱 수행기관(참여)
수행기관(참여) 기관명 담당업무 이화여자대학교산학협력단, 데이터 수집 충남대학교 산학협력단 데이터 수집 ㈜청각장애인생애지원센터 데이터 수집 동남권원자력의학원 데이터 수집 경희대학교 산학협력단 데이터 수집 소리자바 음성 데이터 정제 및 전사, 학습데이터 구축, 음성 데이터 가공, 학습데이터 검증, 크라우드 소싱, AI 모델 구축 및 검증 디그랩 음성 데이터 정제 및 전사, 학습데이터 구축, 음성 데이터 가공, 학습데이터 검증, 크라우드 소싱 비투엔 품질 관리 길의료재단 AI 모델 구축 및 검증 하이 음성 수집 가이드라인 수립, 음성데이터 전사규칙 및 매뉴얼 마련 한국교통대학교 산학협력단 가공공정 품질관리, 홍보 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김범진 1688-3708 [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.