※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
NEW 약물유도 수면내시경 영상 데이터
- 분야헬스케어
- 구분 안심존(온라인)
- 유형 비디오 , 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-10-30 데이터 최종 개방 1.0 2024-06-28 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-06-28 산출물 공개 Beta Version 소개
- 수면무호흡증이 발생하는 폐쇄 부위와 폐쇄 정도 분석을 위한 약물유도 수면내시경 환자 영상을 사용하여 구축된 폐쇄부위별 클립동영상 데이터와 이미지 데이터
구축목적
- 주관적으로 판독되고 있는 폐쇄 부위와 폐쇄 정도를 정확하게 판별하는 인공지능 개발이 가능한 데이터셋 개발
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 비디오 , 이미지 데이터 형식 mp4, png 데이터 출처 자체 수집 라벨링 유형 세그멘테이션(이미지), 임상정보(이미지, 동영상) 라벨링 형식 json 데이터 활용 서비스 약물유도 수면내시경 검사 판독 보조서비스 데이터 구축년도/
데이터 구축량2023년/55,446건 (클립동영상 9,421건, 이미지 46,205건) -
- 데이터 통계
데이터 구축 규모
약물유도 수면내시경 영상에서 폐쇄가 발생하는 Velum 영역과 OTE 영역에서 2호흡 길이를 가지는 클립동영상(mp4)와 이에 대한 영상 정보와 임상정보로 작성된 라벨링데이터(json)로 구성
데이터 통계 구분 영역 수면여부 및
수면자세원천데이터 규모 라벨링데이터 규모 Clip Video Velum Awake 1,198 4,703 1,198 4,703 Supine 1,400 1,400 Lateral 1,326 1,326 Resupine 779 779 OTE Awake 1,357 4,538 1,357 4,538 Supine 1,493 1,493 Lateral 1,082 1,082 Resupine 606 606 합 계 9,241 9,241 Images Velum Awake 5,990 23,515 5,990 23,515 Supine 7,000 7,000 Lateral 6,630 6,630 Resupine 3,895 3,895 OTE Awake 6,785 22,690 6,785 22,690 Supine 7,465 7,465 Lateral 5,410 5,410 Resupine 3,030 3,030 합 계 46,205 46,205 합 계 55,446 55,446 데이터 분포
성별 분포데이터 분포 구분 비율 남성 82.55% 여성 17.45% 합계 100% 
연령대별 분포
연령대별 분포 구분 비율 20대 미만 2.32% 20대 11.84% 30대 19.97% 40대 20.81% 50대 이상 45.07% 합계 100% 
클래스별 세그멘테이션 수량 분포클래스별 세그멘테이션 수량 분포 구분 구성비 Velum 17.47% Airway1 17.11% Oropharynx_posterior_lateral_walls 16.61% Tongue_Base 15.18% Epiglottis 16.80% Airway2 16.82% 합계 100% 
수면 상태별 분포
수면 상태별 분포 구분 비율 Awake 27.65% Supine 31.31% Lateral 26.06% Resupine 14.99% 합계 100% 
정상 및 질환 분포
데이터 통계 구분 구성비 정상 7.83% 질환 92.16% 합계 100% 
폐쇄영역별 분포
폐쇄영역별 분포 구분 구성비 Velum 영역 50.89% OTE 영역 49.11% 합계 100% 데이터 통계 구성비 중첩률 98.23% 
데이터 구성별 분포
데이터 구성별 분포 구분 구성비 clip_Videos 16.67% Images 83.33% 합계 100% 데이터 구성별 분포 구성비 중첩률 99.99% 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 활용 모델
Ⅰ. Velum 영역 폐쇄정도 예측 모델
Velum 영역 폐쇄정도 예측 모델 학습을 위해 Velum 영역 이미지에서 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 10%로 제시한다.
Velum 영역 폐쇄정도 예측 모델 학습(Training) 검증(Validation) 시험(Test) 비율 80% 10% 10% • YOLOv8
- Velum 영역 이미지에서 폐쇄정도 예측을 위해 광범위한 객체 감지 및 추적, 인스턴스 분할, 이미지 분류 및 포즈 추정 작업에 탁월한 YOLOv8 모델 사용
Figure 1. YOLOv8 structure
A YOLOv8-Based Approach for Real-Time Lithium-Ion Battery Electrode Defect Detection with High Accuracy
논문 출처 : https://doi.org/10.3390/electronics13010173Ⅱ. OTE 영역 폐쇄정도 분류 모델
OTE 영역 폐쇄정도 분류 모델 학습을 위해 OTE 영역 이미지에서 검증용 데이터를 전체 데이터의 10%로, OTE 영역 클립동영상에서 시험용 데이터를 전체 데이터의 10%로 제시한다.OTE 영역 폐쇄정도 분류 모델 학습(Training) 검증(Validation) 시험(Test) 비율 80% 10% 10% ※ 학습 및 검증에서는 OTE 영역 이미지를 사용하며, 시험에서는 OTE 영역 클립동영상을 사용함
• YOLOv8
- OTE 영역 클립동영상에서 폐쇄정도 분류를 위해 광범위한 객체 감지 및 추적, 인스턴스 분할, 이미지 분류 및 포즈 추정 작업에 탁월한 YOLOv8 모델 사용
Figure 1. YOLOv8 structure
A YOLOv8-Based Approach for Real-Time Lithium-Ion Battery Electrode Defect Detection with High Accuracy
논문 출처 : https://doi.org/10.3390/electronics13010173Ⅲ. OTE 영역 인식 모델
OTE 영역 인식 모델 학습을 위해 OTE 영역 이미지에서 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 10%로 제시한다.
OTE 영역 인식 모델 학습(Training) 검증(Validation) 시험(Test) 비율 80% 10% 10% • U-Net
- OTE 영역 이미지에서 아나토미 인식을 위해 U-Net 모델을 사용
U-Net: Convolutional Networks for Biomedical Image Segmentation
논문 출처 : https://arxiv.org/abs/1505.04597Ⅳ. OTE 영역 폐쇄주원인 분류 모델
OTE 영역 폐쇄주원인 분류 모델 학습을 위해 OTE 영역 클립동영상에서 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 10%로 제시한다.OTE 영역 폐쇄주원인 분류 모델 학습(Training) 검증(Validation) 시험(Test) 비율 80% 10% 10% • Attention MIL
- OTE 영역 클립동영상에서 폐쇄주원인 분류를 위해 인스턴스들의 묶음에 대한 레이블을 학습하는 Attention MIL 모델 사용
Attention-based Deep Multiple Instance Learning
논문 출처 : https://arxiv.org/abs/1802.04712
- 서비스 활용 시나리오
○ 구축한 모델들은 약물유도 수면내시경 영상에 대한 분석에 활용하거나 수면무호홉증 연구에 활용할 수 있음○ 약물유도 수면내시경 영상에서 정확한 폐쇄부위 및 폐쇄정도를 진단하는데 보조적 어시스턴 시스템 개발에 활용
- 기타 정보
대표성/독립성
약물유도 수면내시경 환자 영상은 5개 대학병원(서울대학교병원, 경북대학교병원, 부산대학교병원(통합), 삼성서울병원, 전남대학교병원)에서 자체수집 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
Ⅰ. Clip_Videos
데이터 구성 Clip_Videos Key Description Type Child Type videos 동영상정보 JsonObject id 동영상식별자 String width 동영상너비(pixel) String height 동영상높이(pixel) String filename 동영상파일명 String metas 메타정보 JsonObject id 연관메타데이터식별자 String age 나이 String gender 성별 String phase 영역 String position 수면여부 및 수면자세 String SpO2 최소산소포화도 String AHI 무호흡-저호흡지수 String diag 진단정보 String bmi BMI String obstruction 폐쇄 정도 String cause 폐쇄 주 원인 String Ⅱ. Images
데이터구성 Images Key Description Type Child Type images 이미지정보 JsonObject id 이미지식별자 String width 이미지너비(pixel) String height 이미지높이(pixel) String filename 이미지파일명 String metas 메타정보 JsonObject id 연관메타데이터식별자 String age 나이 String gender 성별 String phase 영역 String position 수면여부 및 수면자세 String SpO2 최소산소포화도 String AHI 무호흡-저호흡지수 String diag 진단정보 String bmi BMI String obstruction 폐쇄 정도 String cause 폐쇄 주 원인 String annotations 라벨링정보 JsonObject [ JsonObject { JsonAray JsonObject id 라벨링식별자 String image_id 연관이미지식별자 String category_id 클래스정보 String category_name 클래스명 String types 라벨링방법 String color 색상값 points 라벨링폴리곤 List [ 좌표 JsonAray JsonObject [ ] ] } ] - 어노테이션 포맷
Ⅰ. Clip_Videos어노테이션 포맷 Clip_Videos 구분 항목 타입 필수여부 비고 한글명 영문명 1 동영상정보 videos Object 1-1 동영상식별자 videos[].id String Y 1-2 동영상너비(pixel) videos[].width String Y 예) 1920 1-3 동영상높이(pixel) videos[].height String Y 예) 1080 1-4 동영상파일명 videos[].filename String Y 2 메타정보 metas Object 2-1 연관메타데이터식별자 metas[].id String Y 2-2 나이 metas[].age String Y 2-3 성별 metas[].gender String Y F,M 2-4 영역 metas[].phase String Y Velum, OTE 2-5 수면여부 및 수면자세 metas[],position String Y awake, supine, lateral, resupine 2-6 최소산소포화도 metas[].minSpO2 String N 2-7 무호흡-저호흡지수 metas[].AHI String Y 2-8 진단정보 metas[].diag String Y normal, sleepapnea 2-9 BMI metas[].bmi String N 2-10 폐쇄 정도 metas[].obstruction String Y no. partial, complete 2-11 폐쇄 주 원인 metas[].cause String Y no,Velum,Oropharynx_posterior_lateral_walls,Tongue_Base,Epiglottis Ⅱ. Images
어노테이션 포맷Images 구분 항목 타입 필수여부 비고 한글명 영문명 1 이미지정보 Images Object 1-1 이미지식별자 images[].id String Y 1-2 이미지너비(pixel) images[].width String Y 예) 1920 1-3 이미지높이(pixel) images[].height String Y 예) 1080 1-4 이미지파일명 images[].filename String Y 2 메타정보 metas Object 2-1 연관메타데이터식별자 metas[].id String Y 2-2 나이 metas[].age String Y 2-3 성별 metas[].gender String Y F,M 2-4 영역 metas[].phase String Y Velum, OTE 2-5 수면여부 및 수면자세 metas[],position String Y awake, supine, lateral, resupine 2-6 최소산소포화도 metas[].minSpO2 String N 2-7 무호흡-저호흡지수 metas[].AHI String Y 2-8 진단정보 metas[].diag String Y normal, sleepapnea 2-9 BMI metas[].bmi String N 2-10 폐쇄 정도 metas[].obstruction String Y no. partial, complete 2-11 폐쇄 주 원인 metas[].cause String Y no,Velum,Oropharynx_posterior_lateral_walls,Tongue_Base,Epiglottis 3 라벨링정보 annotations Object 3-1 라벨링식별자 annotations[].id String Y 3-2 연관이미지식별자 annotations[].image_id String Y 3-3 클래스(아나토미) 정보 annotations[].category_id String Y 3-4 클래스명(아나토미명) annotations[].category_name String Y Velum, Airway1, Oropharynx_posterior_lateral_walls, Tongue_Base, Epiglottis, Airway2 3-5 라벨링방법 annotations[].types String Y poly(polygon) 3-6 색상값 annotations[].color String Y 3-7 라벨링좌표 annotations[].points List Y - 데이터 포맷
Ⅰ. Clip_Videos약물유도 수면내시경 영상에서 폐쇄가 발생하는 Velum 영역과 OTE 영역에서 2호흡 길이를 가지는 클립동영상(mp4)와 이에 대한 영상 정보와 임상정보로 작성된 라벨링데이터(json)로 구성
1. 원천데이터 – mp4 포맷
2. 라벨링데이터 – json 포맷
Ⅱ. Images
약물유도 수면내시경 영상에서 폐쇄가 발생하는 Velum 영역과 OTE 영역에서 추출한 이미지(png)와 이에 대한 영상 정보와 임상정보, 세그멘테이션 정보로 작성된 라벨링데이터(json)로 구성
1. 원천데이터 – png 포맷
2. 라벨링데이터 – json 포맷
- 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : 서울대학교병원
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 이재서 02-2072-3991 [email protected] 사업총괄, 데이터 수집 및 검수 수행기관(참여)
수행기관(참여) 기관명 담당업무 가천대학교 산학협력단 데이터 가공 및 AI 모델 개발 경북대학교병원 데이터 수집 및 검수 동국대학교 산학협력단 데이터 검수 및 품질관리 부산대학교 산학협력단 데이터 수집 및 검수 삼성서울병원 데이터 수집 및 검수 에스앤유에이치벤처 데이터 가공 엠티이지 데이터 설계, 가공, 검수, 품질관리 및 AI 모델 개발 전남대학교병원 데이터 수집 및 검수 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김덕석 02-859-3585 [email protected] 이상호 02-859-3585 [email protected] AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 김덕석 02-859-3585 [email protected] 이상호 02-859-3585 [email protected] 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 김덕석 02-859-3585 [email protected] 이상호 02-859-3585 [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.