• 담낭암 진단 및 치료 과정에서 필요한 의료 이미지 데이터셋 구축
• 의료 영상의 판독 결과와 진단 및 치료에 영향을 주는 임상 정보 등을 어노테이션한 학습용 데이터셋 구축
• 구축된 AI데이터를 이용하여 의료 단계별 의사결정에 직간접적 영향을 줄 수 있는 AI모델 제시

• 국가차원의 의료 지식베이스 및 이용환경 제공으로 간암, 담낭암, 췌장암 관련 지능정보산업 활성화, 의료 질 향상, 우리나라의 데이터 경제를 가속화 하는데 기여
• 공공 및 민간의 지능정보기술 개발 촉진과 지능정보산업 육성을 위한 지능정보 데이터 인프라 구축 및 이용환경 제공
• 담낭암의 진단에 중요한 다양한 진단 영상과 임상 자료를 추가한 인공지능 학습용 데이터 구축
• 담낭암 조기 진단에 유용한 지표를 찾는 딥러닝 인공지능 모델 제작

• 담낭암 진단 인공지능기술의 개발 확산을 위해 특정 질환의 영상 이미지 및 임상정보와 전문의의 진단정보 등이 포함된 학습용 데이터셋 의료 지식 베이스 구축

   

• 담낭암의 DICOM 영상파일과 어노테이션 PNG파일, 임상정보의 JSON 파일을 수집
• 어노테이션을 통해 악성(malignant), 양성(benign), 정상(normal)로 구분

• 좌측 : dcm파일 
  중앙 및 우측 : png파일 – 병변 및 장기 라벨링

   

• 임상정보 json 파일

   

• 고차원 의료영상(CT, MRI 등) 급증과 의료진의 부족
• 의료영상 분석 및 진단 보조 솔루션 개발의 도입과 복부 장기에 대한 분야의 적용 제한
• 기반구축 지원의 필요성 : 해외는 다양한 분야에서 인공지능 기술 개발에 활용할 인공지능 학습 데이터 및 학습 환경 등 기반 인프라가 활성화되어 있음. 반면, 국내의 경우 개인정보 침해, 저작권, 초상권 등 다양한 이슈로 양질의 데이터 개방 및 활용은 여전히 어려운 상황임
• 간담도 췌장암의 진단 향상 및 오진율 감소를 위한 영상진단 인공지능 학습용 데이터 구축 필요
  - 전이 및 재발율이 높아 정확한 진단이 매우 중요함
  - 조직 체취가 불가하여 영상 검사법이 중요하나, 복부 초음파 검사나 CT진단 시 암 침범 전도 평가와 양성질환과의 감별이 어려움. 또한 불필요한 담낭 절제 수술로 의료비의 증가뿐 아니라 환자 개인의 건강에도 악영향을 끼치게 됨.
  - 따라서 담낭암 조기 진단 및 오진율을 낮추기 위해서는 현재의 진단 방법들을 이용하여 담낭암 조기 진단에 유용한 지표를 찾는 딥러닝 인공지능 모델이 필요함.

• 데이터 구성
  - DICOM 영상 파일, PNG 어노테이션 파일, JSON 임상 정보 파일

   

  1. 폴더 구조

  폴더구조 표

  폴더구조	대상정보	파일명칭 정의
  	영상정보 DICOM	{Identifier}_{Index}.dcm
  Mask 폴더	어노테이션 Mask	{Identifier}_{Index}.png
  metadata 폴더	부가정보 판독문	{Identifier}_{Index}.json

   

  - 폴더명 항목

  폴더명 항목표

  항목	내용	항목	내용
  ProjectCode	프로젝트 코드 (암종)	Category	카테고리
  CaseID	케이스번호	Seq	영상내 순번
  Modality	촬영장비 코드	SopInstanceUID	DICOM SOP유일키

   

  - 폴더명 세부 항목

  폴더명 세부 항목1

  Category	카테고리 명칭
  Normal	정상
  Benign1	cholelithiasis
  Benign2	polyp
  Benign3	adenomyomatosis
  Benign4	cholesterolosis
  Benign5	A. cholecystitis
  Malignant	Malignant

  폴더명 세부 항목2

  프로젝트코드	프로젝트명
  LV	Liver - 간암
  GB	Gallbladder - 담낭암
  PC	Pancreas - 췌장암

  폴더명 세부 항목3

  Modality Code	Modality
  CT	Computer Tomography
  MR	Magnetic Resonance Imaging
  US	Ultra Sound Image
  ES	Endoscopy(EUS)
  PT	Positron Emission Tomography

   

  2. DICOM 파일 구성
  - M : 필수요소, M* : 조건하 필수요소, U : 부가정보

   

  DICOM 파일 구성

  IOD	CT	MR	US
  Patient	M	M	M	익명화 적용
  General Study	M	M	M
  General Series	M	M	M
  Frame of Reference	M	M	U
  General Equipment	M	M	M
  General Image	M	M	M*
  Image Plane	M	M	-
  Image Pixel	M	M	M*
  Device	U	U	U
  SOP Common	M	M	M*

  3. 어노테이션(PNG) 구성
  - PNG 내 특정위치 값 표현
  - 장기부위와 병변부위를 나누어 어노테이션하여, 정상은 장기부위만, 양성/악성은 장기부위와 병변부위를 어노테이션함
  - 악성과 양성의 경우, DICOM 파일 1개에 대해서 최대 2개의 PNG 파일이 매핑됨(CT, MR, US, EUS).
  - 정상의 경우, DICOM 파일 1개에 대해서 1개의 PNG 파일이 매핑됨(CT).
  - PET-CT의 경우, DICOM 파일만 제공.
  - 나뉘어진 개별 Mask의 구분이 PNG 내 색상값으로 구분되어 기록됨

  어노테이션(PNG)구성 표

  2진수	진단명	HEX
  00000000	Transparency 마스킹 없음	#000000
  00000001	Bodypart Object(장기부위)	#800000
  00000010	Benign 1 (cholelithisis)	#008000
  00000100	Benign 2 (polyp)	#000080
  00001000	Benign 3 (adenomyomatosis)	#808080
  00100000	Benign 4 (cholesterolosis)	#0087d7
  01000000	Benign 5 (A. cholecystitis)	#5f8700
  10000000	Malignant	#af00d7

   

  4. 임상정보(JSON) 구성
  - 필수항목
  ・ caseID
  ・ DICOM정보 (모달리티, 영상일자)
  ・ 어노테이션이미지 (원본파일경로)
  ・ 진단정보(악성,양성,정상/ normal,benign1-5,malignant/ 영상판독결과)

   

  - 부가항목
  ・ 대상자정보 (성별, 나이, 인종, 키, 몸무게)
  ・ 어노테이션이미지 (장기마스킹경로, 병변마스킹경로)

수행기관(주관) : 국립암센터

수행기관(참여)