※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
BETA 비뇨기계 암 병리이미지 데이터
- 분야헬스케어
- 구분 안심존(온라인)
- 유형 이미지
-
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
- 신장암 및 방광암 각 2천명 이상의 환자의 다양한 병리학적 아형 및 조직 분화도를 포함한 WSI 데이터 총 25,000장의 인공지능 학습용 데이터 구축 - 2,000명 이상의 신장질환 환자 대상, 신장암 WSI 12,500장 - 2,000명 이상의 방광질환 환자 대상, 방광암 WSI 12,500장
구축목적
- 비뇨기계 암(신장암, 방광암)의 전체 슬라이드 이미지(whole slide image)에 라벨링 데이터 및 병리학적 정보를 포함한 고품질의 인공지능 학습용 데이터 확보 - 디지털 병리 데이터 분야의 공공 및 민간의 인공지능 기술 개발 촉진과 관련 산업 육성을 위한 인공지능 학습용 데이터 인프라 구축 및 이용환경 제공 - 인공지능 기반의 비뇨기계 암 판독 및 진단 보조를 통해 병리과 의료진의 업무부담 완화 - 병리 검사의 객관성을 확보하고 진단의 정확도를 높여 의료의 질 향상에 기여
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 이미지 데이터 형식 Tiff 데이터 출처 각 수집기관 병원 라벨링 유형 세그멘테이션 라벨링 형식 json 데이터 활용 서비스 신장암 및 방광암 병리 이미지 진단 보조 AI 모델 개발 데이터 구축년도/
데이터 구축량2023년/25,000건 -
- 데이터 구축 규모
구분 원천
데이터 건수라벨링
데이터 건수정상 신장
WSI신장암
WSI정상 방광
WSI방광암
WSI비뇨기계 암 25,000 25,000 1,300 11,200 1,500 11,000 항목 요구사항 데이터 수량 o 신장암,Whole Slide Image(WSI) 12,500장 이상 - 비종양 혹은 정상 : 1,300장 - 신장의 양성 신생물 : 700장 - 신장의 악성 신생물 : 10,500장 o 방광암 Whole Slide Image(WSI) 12,500장 이상 - 비종양 혹은 정상 : 1,500장 - 방광의 제자리/비침습암종 : 5,500장 - 방광의 악성 : 5,500장 데이터 구성 o 신장암, 방광암 병리이미지 데이터에 라벨링된 데이터 - 병변 위치 확인을 위한 라벨링 - 각 세포 유형별 라벨링 - EMR 기록을 바탕으로 진단정보 등 임상정보 포함 표준의료용어를 사용 메타 정보 - 어노테이션 방법 : 암 관심 영역에 대한 이진데이터, 주위에 Polygon 모양을 그려 레이블 지정 - 라벨링데이터 클래스 분포 : • 신장 WSI – 정상, 악성, 양성 • 방광 WSI – 정상, 악성, 제자리/비침습암종 - DICOM으로부터 추출된 메타데이터 정보 - 질환명, 질환크기, 위치 등 질환 정보 - 데이터 분포
데이터명 원천데이터 구분 구축 비율 신장 WSI 정상 혹은 비종양 신장 병리 슬라이드 1,300장 (10%) 신장의 양성 신생물 슬라이드 700장 (6%) 신장의 악성 신생물 슬라이드 10,500장 (84%) 방광 WSI 정상 혹은 비종양 방광 병리 슬라이드 1,500장 (12%) 방광의 제자리/비침습암종 슬라이드 5,500장 (44%) 방광의 악성 신생물 슬라이드 5,500장 (44%) -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 신장암
데이터명 AI모델 task AI모델(후보) 성능 지표 및 목표값 Data I/O 신장암 Segmentation U-Net Dice-Coefficient (0.85) Input: 신장암 WSI
Output: Segmentation신장암 AI모델 task AI모델(후보) 성능 지표 및 목표값 Data I/O Classification Multiple Instance Learning (MIL), CNN F1-Score (0.85) Input: 신장암 WSI
Output: Prediction Result (정상, 양성, 악성)Multiple Instance Learning 프로세스 EfficientNet 아키텍쳐 - 방광암
데이터명 AI모델 task AI모델(후보) 성능 지표 및 목표값 Data I/O 방광암 Segmentation FCN (Fully Convolutional networks),
U-Net, DeepLab v3+Dice-Coefficient (0.85) Input: 방광암 WSI
Output: Segmentation방광암 AI모델 task AI모델(후보) 성능 지표 및 목표값 Data I/O Classification Multiple Instance Learning (MIL), CNN F1-Score (0.85) Input: 방광암 WSI
Output: Prediction Result(정상, 제자리/비침습암종, 악성)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 원천 데이터
1차 경로 2차 경로 3차 경로 파일 포맷 비뇨기계 암 병리이미지 데이터 신장암WSI 정상 tiff 악성 tiff 양성 tiff 방광암WSI 정상 tiff 제자리암종 tiff 악성 tiff 총 수량 25,000 - 라벨링 데이터
1차 경로 2차 경로 3차 경로 파일 포맷 비뇨기계 암 병리이미지 데이터 신장암WSI 정상 json 악성 json 양성 json 방광암WSI 정상 json 제자리암종 json 악성 json 총 수량 25,000 - 원천 데이터 및 Annotaion 라벨 이미지 예시
데이터명 원천데이터 Annotation 라벨 이미지 신장암WSI 종양 부위와 비종양 영역을 라벨링함 방광암WSI 종양 부위와 비종양 영역을 라벨링함 - 폴더명 구성 정보
경로 구분 정보 구분자 정보 1차 경로 데이터 종류 원천데이터 / 라벨링데이터 2차 경로 암 종류 신장WSI / 방광WSI 3차 경로 병변 종류 정상(비종양) / 종양(양성) / 종양(악성) - 파일명 구성 정보
예시 세부 구성 설명 KIOP-SS-00001-S-TP-01.tiff 신장암-병원명-원천데이터 일련번호-슬라이드 타입-비종양/종양-슬라이드번호 BLOP-SS-00001-S-TP-01.tiff 방광암-병원명-원천데이터 일련번호-슬라이드 타입-비종양/종양-슬라이드번호 - 라벨 구성요소
- 신장암구분 속성명 타입 설명 범위 비고 1 patient object 데이터 정보 - 1-1 nia_id string 증례 일련번호 [00000,99999] 1-2 tumor_code string 종양 코드 KIOP 1-3 patient_no string 참여기관명 - 이미지(WSI)
원천데이터 일련번호[SS, US, SV, KA, AJ]-[00001, 99999] 2 clinical object 임상정보 구분 - 2-1 age_year_at_surgery int 병리 진단 당시 연령 [0,100] 2-2 sex string 성별 Male, Female 2-3 operation string 수술 방법 및
검체 종류Radical, partial, other 2-4 site string 종양 위치 Right, Left, Trigone 2-5 pole string 장기내 세부 위치 Upper, Middle, Lower, Whole, Posterior, NA 2-6 diagnosis string 병리 진단 RCC_clear, RCC_papillary, RCC_chromophobe,
RCC_MiT translocation, RCC_acuired_cystic,
RCC_clear cell papillary, Collecting duct ca,
Multilocular cystic_LMP, oncocytoma,
RCC_tubulocystic, RCC_SDH deficient,
RCC_HLRCC, Renal medullary ca,
RCC_unclassified, Angiomyolipoma,
RCC_metastatic, other2-7 Category string 병변명 Benign, Malignant, Normal/nontumor 2-8 nuclear_grade string 세포핵 등급 I, II, III, IV 2-9 Tumor_size_cm int 종양 크기 [0.1,100] 2-10 renal_vein_invasion string 신정맥 침범 유무 Absent, Present 2-11 perirenal_fat_invasion string 신장외부 지방 조직
침범 유무Absent, Present 2-12 tumor_necrosis string 종양 괴사 유무 Absent, Present 2-13 resection_margin_
involvementstring 절제연 침범 유무 Absent, Present 2-14 pT_AJCC8 string AJCC 8판에 따른 병기
T categorypT0, pT1, pT2a, pT2b, pT3a, pT3b, pT3c, pT4,
pTx, benign (not applicable)2-15 pN_AJCC8 string AJCC 8판에 따른 병기
N categorypN0, pN1, pNx, benign (not applicable) 3 file object 파일정보 - 3-1 filename string 원천데이터 이름 [KIOP-SS-00001-S-TP-01.tiff,
KIOP-SS-99999-S-TP-10.tiff]
[KIOP-US-00001-S-TP-01.tiff,
KIOP-US-99999-S-TP-10.tiff]
[KIOP-SV-00001-S-TP-01.tiff,
KIOP-SV-99999-S-TP-10.tiff]
[KIOP-AJ-00001-S-TP-01.tiff,
KIOP-AJ-99999-S-TP-10.tiff]
[KIOP-KA-00001-S-TP-01.tiff,
KIOP-KA-99999-S-TP-10.tiff]3-2 filesize int 파일 크기 [0, 10,000,000] 3-3 mpp_X int Micrometers Per
Pixel_X축[0.1, 0.9] 3-4 mpp_Y int Micrometers Per
Pixel_Y축[0.1, 0.9] 3-5 origin_extension string 원시 데이터
저장 파일 형식ndpi, svs, mrxs, tiff 4 objects object 라벨 구분 - 4-1 type string annotation타입 polygon 4-2 label string 라벨정보 NT_normal_renal, NT_normal_extrarenal,
TP_benign, TP_malignant4-3 label_desc string 라벨 상세정보 - 4-4 coordinate int annotation좌표값 좌표 [X,Y] - 방광암
구분 속성명 타입 설명 범위 비고 1 patient object 데이터 정보 - 1-1 nia_id string 증례 일련번호 [00000,99999] 1-2 tumor_code string 종양 코드 BLOP 1-3 patient_no string 참여기관명 - 이미지(WSI)
원천데이터 일련번호[SS, US, SV, KA, AJ]-[00001, 99999] 2 clinical object 임상정보 구분 - 2-1 age_year_at_surgery int 병리 진단 당시 연령 [0,100] 2-2 sex string 성별 Male, Female 2-3 operation string 수술 방법 및 검체 종류 Partial cystectomy, Radical cystectomy, Radical cystoprostatectomy, TUR-BT, Biopsy, Excision, Anterior exenteration, Other 2-4 site string 종양 위치 Right, Left, Trigone 2-5 diagnosis string 병리 진단 Non-neoplastic lesion,
Urothelial papilloma, Inverted urothelial
papilloma, Papillary urothelial neoplasm of
low malignant potential, Non-invasive
papillary urothelial carcinoma, Invasive
papillary urothelial carcinoma, Urothelial
carcinoma in situ, Squamous cell carcinoma,
Verrucous carcinoma, Squamous cell carcinoma
in situ, Adenocarcinoma, Adenocarcinoma in
situ, Clear cell carcinoma, Endometrioid
carcinoma, Small cell neuroendocrine
carcinoma, Large cell neuroendocrine
carcinoma, Well-differentiated neuroendocrine
carcinoma, Other2-6 Category string 병변명 In situ/Non-invasive papillary urothelial carcinoma,
Malignant, Normal/nontumorinflammation 2-7 Tumor_size_cm(total) int 종양 크기 [0.1,100] 2-8 pT_AJCC8 string AJCC 8판에 따른 병기 T category pT0, pT1, pT2a, pT2b, pT3a, pT3b, pT3c, pT4,
pTx, non-malignant (not applicable)2-9 pN_AJCC8 string AJCC 8판에 따른 병기 N category pN0, pN1, pNx, non-malignant (not applicable) 3 file object 파일정보 - 3-1 filename string 파일명 [BLOP-SS-00001-S-TP-01.tiff,
BLOP-SS-99999-S-TP-10.tiff]
[BLOP-US-00001-S-TP-01.tiff,
BLOP-US-99999-S-TP-10.tiff]
[BLOP-SV-00001-S-TP-01.tiff,
BLOP-SV-99999-S-TP-10.tiff]
[BLOP-AJ-00001-S-TP-01.tiff,
BLOP-AJ-99999-S-TP-10.tiff]
[BLOP-KA-00001-S-TP-01.tiff,
BLOP-KA-99999-S-TP-10.tiff]3-2 filesize int 파일 크기 [0, 10,000,000] 3-3 mpp_X int Micrometers Per Pixel_X축 [0.1, 0.9] 3-4 mpp_Y int Micrometers Per Pixel_Y축 [0.1, 0.9] 3-5 origin_extension string 원시 데이터 저장 파일 형식 ndpi, svs, mrxs, tiff 4 objects object 라벨 구분 - 4-1 type string annotation타입 polygon 4-2 label string 라벨정보 NT_normal, NT_inflammation, TP_tumor 4ㅡ3 label_desc string 라벨 상세정보 - 4-4 coordinate int annotation좌표값 좌표 [X,Y] - json 실제예시
-
데이터셋 구축 담당자
수행기관(주관) : 가톨릭대학교 산학협력단
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 정찬권 02-2258-1622 ckjung@catholic.ac.kr 데이터 수집, 정제, 가공교육, 검수 및 사업 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 고려대학교의료원 데이터 수집 및 검수 아주대학교 산학협력단 데이터 수집 및 검수 (의료)길의료재단 데이터 수집 및 검수, 방광암 분할/분류 AI모델 개발, 품질관리 ㈜어반데이터랩 클라우드 플랫폼 제공, 사업관리 총괄 ㈜데이터누리 데이터 가공 및 관리 ㈜디지털팜 신장암 분할, 분류 AI 모델 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 임연화 02-743-1257 yhlim@urbancorp.co.kr 이경희 02-743-1257 khlee@urbancorp.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 김지섭 032-460-3869 jspath@gilhospital.com 박준영 010-4532-4067 jun0613@gachon.ac.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 김지섭 032-460-3869 jspath@gilhospital.com 박준영 010-4532-4067 jun0613@gachon.ac.kr
-
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 safezone1@aihub.kr 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.