AI-Hub

본 데이터는

온라인 안심존 데이터

※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석

입니다.

#헬스케어 의료

BETA 약물유도 수면내시경 영상 데이터

분야헬스케어
구분 안심존(온라인)
유형 비디오 , 이미지

구축년도 : 2023 갱신년월 : 2024-06 조회수 : 63 다운로드 : 2

소개 이용신청

※ 내국인만 데이터 신청이 가능합니다.

문의하기 목록

데이터 변경이력

데이터 변경이력
버전	일자	변경내용	비고
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 구축량	2023년/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

구분	영역	수면여부 및 수면자세	원천데이터 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 분포

구분	비율
남성	82.55%
여성	17.45%
합계	100%

성별 분포 차트

연령대별 분포

구분	비율
20대 미만	2.32%
20대	11.84%
30대	19.97%
40대	20.81%
50대 이상	45.07%
합계	100%

연령대별 분포 차트

클래스별 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%

클래스별 세그멘테이션 수량 분포 차트

수면 상태별 분포

구분	비율
Awake	27.65%
Supine	31.31%
Lateral	26.06%
Resupine	14.99%
합계	100%

수면 상태별 분포 차트

정상 및 질환 분포

구분	구성비
정상	7.83%
질환	92.16%
합계	100%

정상 및 질환 분포 차트

폐쇄영역별 분포

구분	구성비
Velum 영역	50.89%
OTE 영역	49.11%
합계	100%

구성비 중첩률

98.23%

폐쇄영역별 분포 차트

데이터 구성별 분포

구분	구성비
clip_Videos	16.67%
Images	83.33%
합계	100%

구성비 중첩률

99.99%

데이터 구성별 분포 차트

저작도구 설명서 및 저작도구 다운로드
저작도구 설명서 다운로드 저작도구 다운로드
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.

　 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/electronics13010173

Ⅱ. 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.

　 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/electronics13010173

Ⅲ. OTE 영역 인식 모델

OTE 영역 인식 모델 학습을 위해 OTE 영역 이미지에서 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 10%로 제시한다.

　 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/1505.04597

Ⅳ. 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.

　 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

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

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_Videos

구분		항목		타입	필수여부	비고
구분		한글명	영문명	타입	필수여부	비고
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

구분		항목		타입	필수여부	비고
구분		한글명	영문명	타입	필수여부	비고
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_Videos

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
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
원천데이터 png 포맷

2. 라벨링데이터 – json 포맷

라벨링데이터 json 포맷

- 실제 예시

데이터셋 구축 담당자

수행기관(주관) : 서울대학교병원

수행기관(주관)
책임자명	전화번호	대표이메일	담당업무
이재서	02-2072-3991	csrhee@snu.ac.kr	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	laurent@mteg.co.kr

AI모델 관련 문의처

AI모델 관련 문의처
담당자명	전화번호	이메일
김덕석	02-859-3585	laurent@mteg.co.kr

저작도구 관련 문의처

저작도구 관련 문의처
담당자명	전화번호	이메일
김덕석	02-859-3585	laurent@mteg.co.kr

보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청

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
1. AI 허브 접속
  신청자
2. 안심존
  사용신청신청자신청서류 제출*
3. 심사구축기관
4. 승인구축기관
5. 데이터 분석 활용신청자
6. 분석모델반출신청자
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 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의