※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
전정기능검사 데이터
- 분야헬스케어
- 구분 안심존(온라인)
- 유형 텍스트 , 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-13 데이터 최종 개방 1.0 2023-05-04 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-01-10 산출물 전체 공개 소개
전정기관 질환 환자들을 정상, 말초성, 중추성 군으로 분류하는 모델링을 위해 9 개 병원, 10여 기관에서 수집한 멀티 모달 수치, 이미지, 동영상데이터
구축목적
전정기관 질환 환자들을 정상, 말초성, 중추성 군으로 분류하는 모델링
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 텍스트 , 이미지 데이터 형식 tsv, png, avi 데이터 출처 연구 참여 기관(상급 종합 병원) 라벨링 유형 진단명/환자명/환자나이/이득여부/단속운동여부/두부충동검사/안구동영상(텍스트) 라벨링 형식 tsv 데이터 활용 서비스 • 전정기능검사 검사자 교육용 서비스 • 어지럼증 조기 진단 서비스 • 어지럼증 세부 분류를 위한 진단보조 서비스 • 어지럼증 진단을 위한 인공지능 기반 자동 분석 소프트웨어 구축 • 어지럼증 진단보조장치, 원격 진단 보조장치 개발 등 데이터 구축년도/
데이터 구축량2022년/[환자] 결과지:30,083, 동영상:17,161 [포맷] 총 720만 7천(텍스트:404만, 이미지:208만, 동영상:107만) -
1. 데이터 통계
가. 데이터 구축 규모
1) 포맷별: 텍스트 404만 6천, 이미지 208만 9천, 동영상 107만 2천
2) 데이터별: vHIT 검사 결과지: 총 139만건, 안구 동영상/눈깜빡임 이미지 레이블: 265만 6천, 안구 눈깜빡임 이미지: 208만 9천, 안구 움직임 동영상: 107만 2천이름 결과물 건수 포맷 설명 vHIT 검사결과지 139만 텍스트 단일 환자의 검진 시행별 동공, 두부 움직임 강도, 이득, 단속운동 횟수, 이득 정상 여부, 단속 정상 여부 vHIT 레이블 204만 9천 텍스트 동공 움직임 방향 동영상 및 눈깜빡임 이미지에 대한 레이블 vHIT 눈깜빡임 이미지 136만 3천 이미지 눈깜빡임 정지 이미지 vHIT 안구 움직임 동영상 68만 5천 동영상 키프레임 동영상 SN 레이블 60만 7천 텍스트 동공 움직임 방향 동영상 및 눈깜빡임 이미지에 대한 레이블 SN 눈깜빡임 이미지 72만 6천 이미지 눈깜빡임 정지 이미지 SN 안구 움직임 동영상 38만 7천 동영상 키프레임 동영상 합계 720만 7천건 데이터 통계
1. 정상(건)항목 VHIT/SN VHIT SN 결과지 동영상 동영상 목표량 7,000 3,100 3,100 달성량 12,399 3,615 2,979 달성비 177.10% 116.60% 96.10% 2. 말초성(건)
항목 VHIT/SN VHIT SN 결과지 동영상 동영상 목표량 12,340 3,100 3,100 달성량 12,406 4,142 3,136 달성비 100.50% 133.60% 101.20% 3. 중추성(건)
항목 VHIT/SN VHIT SN 결과지 동영상 동영상 목표량 4,250 1,000 1,000 달성량 5,256 2,092 1,189 달성비 123.70% 209.20% 118.90% 4. 데이터 분포
데이터 종류 정상 말초성 중추성 VHIT/SN 결과지 41.30% 41.30% 17.50% VHIT 동영상 36.70% 42.10% 21.20% SN 동영상 40.80% 42.90% 16.30% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 활용 모델
가. 모델 학습
1) 모델은 총 3개의 모델을 구현했으며, 그 선정 사유는 아래와 같음.학습 모델 후보 알고리즘 성능지표 선정 사유 안진방향 판별 CNN+RNN AUC 0.50 이상 어지럼 진단에 중요한 요인 눈깜빡임 분류 CNN AUC 0.80 이상 노이즈 제거 전정질환군 분류 LightGBM AUC 0.60 이상 어지럼 진단 보조 2) 선정 시에 아래와 같은 사항에 대해서 고려했음
구분 고려사항 설명 1 적합성 데이터 셋 구축 목적에 적합한 학습모델인가? 2 활용성 해당 분야에서 활용성이 높은 학습 모델인가? 3 실현가능성 구축된 학습데이터셋을 활용하여 실제 어지럼증 유형 분류에 적용하고 실현가능성이 높은 모델인가? 4 선정 절차 1) 선정 기준에 적합한 후보 리스트업 2) 1-Cycle 학습모델 개발 3) 성능평가 4) 최종 학습모델 선정 3) 최종적으로 아래와 같은 선정 지표들을 기준으로 선정했음.
후보 학습모델 적합성 활용성 실현가능성 선정여부 안진방향 판별 상 상 상 O 눈깜빡임 분류 상 상 상 O 전정질환군 분류 상 상 중 O 나. 서비스 활용 시나리오
1) 클라우드 기반 전정기능 검사 - AI 플랫폼 제공
2) 다양한 의료기관의 이비인후과 전문의가 활용할 수 있도록 추가 과제나 어지럼 기기 회사들과 협력 개발 도모
3) 클라우드 서비스 기반의 의료 지식베이스 제공
4) 어지럼 진단을 위한 인공지능 모델 데모 제공
5) 학술지 / 세미나 / 언론을 활용한 홍보
2. 기타정보
가. 포괄성
1) 전국 각지 (수도권, 전라도, 경상도, 충청도) 9개 병원 10개 기관의 데이터로 정상/말초성/중추성 환자군에 데이터를 포함하여 실제 유병율에 가까운 수치로 수집됨
나. 독립성
1) 원시 데이터에 있는 모든 개인정보 식별 가능한 정보는 수집 단계에서 파기 됨
다. 유의사항
1) 데이터 배포시 혹시나 있을 수 있는 환자 개인정보 침해에 대비하여 연구 참여자는 개인정보보호 서약서 등을 작성하여 데이터 배포 기관에 제출하도록 권고함. -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 눈깜박임 분류 성능 Image Classification CNN AUC-ROC 0.8 단위없음 0.8162 단위없음 2 안진 방향 분류(수평) 성능 Image Classification CNN AUC-ROC 0.5 단위없음 0.5006 단위없음 3 전정질환군 분류 성능 Image Classification LightGBM AUC-ROC 0.65 단위없음 0.676299999999999 단위없음 4 눈깜박임 분류 성능 Image Classification CNN F1-Score 0.5 점 0.520799999999999 점 5 안진 방향 분류(수평) 성능 Image Classification CNN F1-Score 0.3 점 0.3314 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 다운로드1. 원천 데이터 포맷
1.1. vHIT 검사 결과지 이미지: 전문 의료인 확인용 (인공지능 학습용 X, 장비별 포맷 상이)나. SN 검사지 이미지: 전문 의료인 확인용 (인공지능 학습용 X, 장비별 포맷 상이)
다. vHIT 검사지: 장비별 차이점에 대한 표준화 완료. 이득 정상 여부, 단속 운동 정상 여부, 두부 움직임, 동공 움직임 강도 시계열 데이터(예시는 정제 후)
라. vHIT/SN 수평/수직 안구 움직임 동영상
마. vHIT/SN 눈깜빡임 이미지
2. 데이터 구성
가. 환자 나이/성별/진단명 레이블
Key Description Type patient_id 환자 아이디 string age 환자 나이 integer sex 환자 성별(‘M’ 또는 ‘F’) character diagnosis 환자 세부 진단명 string 나. 두부 충동 검사 레이블
Key Description Type Patient ID 환자 아이디 string Trial Number 검사 번호 integer Test Date 검사 일자 Datetime Test Type 검사 종류 string Direction 검사 방향 string Gain 이득값 float Overt Saccades 단속운동 횟수 integer Eye 안구운동 속도(혹은 강도) list[float] Head 두부운동 속도(혹은 강도) list[float] Gain Type 이득 정상 여부(‘Normal’ 또는 ‘Abnormal’) string Saccadic Type 단속운동 정상 여부(‘Normal’ 또는 ‘Abnormal’) string 다. 안구 동영상 레이블
Key Description Type frame_number 프레임 번호 integer time_sec 프레임 시간 time horizontal 수직 방향(‘left’ 또는 ‘right’) string blink 눈깜빡임 여부(‘C’ 또는 ‘O’) character blink_tagging 눈깜빡임 가공값 (‘Open’, ‘Closing’, 또는 ‘Closed’) string 3. 가공 후 데이터 포맷 실제 데이터 예시
가. 환자 나이/성별/진단명
patient_id age sex diagnosis
NE_C_00029 78 M other central vestibulopathy나. 두부 충동 검사
Patient ID Trial Number Test Date Test Type Direction Gain Overt Saccades Eye Head Gain Type Saccadic Type
NE_C_00043 1 2020-02-27 오전 10:21:01 SHIMP SHIMP Lateral Left 1.07 1.0 ['-0.741762337685663', '0.787383612346648', '0.221781891152281', '-0.848370860816113', '-0.757598256290897', (중략)] ['-0.721487502633797', '-1.0571808620088', '-1.2585968776338', '-1.4600128932588', '-1.5942902370088', (중략)] Normal Abnormal다. 환자 동영상
frame_number time_sec horizontal blink blink_tagging
36 0:00:01.200000 C Closing
37 0:00:01.233333 right C Closing
38 0:00:01.266667 right C Closing
-
데이터셋 구축 담당자
수행기관(주관) : 순천향대학교 병원 산학협력단
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 이종대 교수 031-621-5015 ljdent@schmc.ac.kr 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 뉴로이어즈 데이터 정제, 가공(이득, 단속 운동 정상 여부), 인공 지능 모델링 데이터헌트 데이터 가공(모든 데이터 가공 및 1차 검증) 시너인 데이터 품질 검증(데이터 품질 최종 검증), 데이터 개방 지원팀 총괄 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 이종대 교수 031-621-5015 ljdent@schmc.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.