콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
본 데이터는
온라인 안심존 데이터 ?

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

입니다.
#헬스케어 # 의료/헬스케어 # 고막내시경 # 귀질환

NEW 고막 내시경 검사 이미지 데이터

고막 내시경 검사 이미지 데이터 아이콘 이미지
  • 분야헬스케어
  • 구분 안심존(온라인)
  • 유형 텍스트 , 이미지
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 8,881 다운로드 : 10

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-01 데이터 최종 개방
    1.0 2023-07-26 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-22 산출물 전체 공개

    소개

    귀질환 조기 진단을 위한 인공지능 학습용 데이터셋 구축을 위한 정상 및 6개 귀질환(만성중이염, 유착성중이염, 삼출성중이염, 진주종성중이염, 선천성진주종, 외이도염 및 고막염) 고막내시경 검사 이미지 데이터

    구축목적

    귀질환 진단의 정확성과 효율성을 향상시킬 수 있는 인공지능 기반 스마트 귀질환 진단시스템 개발을 위한 고품질의 고막 내시경 검사 이미지 학습데이터셋 구축
  • 데이터 통계 
    원천데이터 62.147건 / 라벨링데이터 62,147건

    구분 구축량 (건)
    원천데이터 (PNG) 라벨링데이터 (JSON)
    1.질환데이터 정상 14,991 14,991
    만성중이염 9,846 9,846
    유착성중이염 5,666 5,666
    삼출성중이염 6,496 6,496
    진주종성중이염 5,853 5,853
    선천성진주종 5,965 5,965
    외이도염 및 고막염 6,232 6,232
    합 계 55,049 55,049
    2.병변데이터 천공 3,659 3,659
    진주종 1,506 1,506
    선천성진주종 1,933 1,933
    합 계 7,098 7,098
    총 합 62,147 62,147

     

    구분 비율(%) 수량(건)
    9세 이하 18.1 11,248
    10대 8.29 5,150
    20대 6.14 3,818
    30대 5.85 3,634
    40대 9.88 6,142
    50대 16.88 10,493
    60대 19.68 12,233
    70대 11.52 7,160
    80대 3.3 2,053
    90세 이상 0.35 216
    합계 100 62,147

     

    구분 비율(%) 수량(건)
    정상 24.12 14,991
    만성중이염 21.37 13,279
    유착성중이염 9.13 5,676
    삼출성중이염 10.45 6,496
    진주종성중이염 11.95 7,426
    선천성진주종 12.71 7,898
    외이도염 및 고막염 10.27 6,381
    합계 100 62,147

     

    구분 비율(%) 수량(건)
    남성 50.79 31,564
    여성 49.21 30,583
    합계 100 62,147
  • 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. 귀질환 분류 모델


    귀질환 분류 모델 학습을 위해 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 10%로 제시한다.

      학습(Training) 검증(Validation) 시험(Test)
    비율 80% 10% 10%

     

     

    ● 학습 알고리즘 : EfficientNet-B4
    - Image Classification Task에 대하여 기존보다 훨씬 적은 수의 파라미터로 더욱 좋은 성능을 내서 State-Of-The-Art(SOTA)를 달성한 모델.
    - Depth/width/resolution의 scale-up에 대한 최적의 조합을 AutoML을 통해 찾은 모델로써, 3가지 방법을 효율적으로 조절할 수 있는 compound scaling 방법을 제안한다. 제한된 resource 범위에서 최적의 조합을 고려한다. 이를 통해 기존보다 훨씬 적은 수의 파라미터로 더욱 좋은 성능을 내어 State-Of-The-Art(SOTA)를 달성할 수 있다.

    학습 알고리즘  EfficientNet-B4

    출처: MingxingTan, Quoc V. Le. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. arXiv:1905.11946, 2020

     

    Ⅱ. 병변 탐지 모델


    병변 탐지 모델 학습을 위해 검증용 데이터와 시험용 데이터를 각각 전체 데이터의 20%와 10%로 제시한다.

      학습(Training) 검증(Validation) 시험(Test)
    비율 70% 20% 10%

     

     

    ● 학습 알고리즘 : Modified U-Net with WGAN
    - U-Net is a convolutional neural network that was developed for biomedical image segmentation. The U-Net architecture consist of encoder and decoder section. The modified U-net used in the project has been modified from the vanilla U-net by adding attention and using resnet-18 layers as backbone

    학습 알고리즘 Modified U-Net with WGAN

     

    서비스 활용 시나리오
    ○ 귀 질환 AI 자동 판별 제품 개발에 활용
    - 개발된 학습데이터셋을 기반으로 인공지능 판별 알고리즘을 생성하고 이를 적용한 제품 개발을 진행하여 검사 능력이 상대적으로 부족한 국가에 서비스

    ○ 귀 질환 원격진료를 위한 진단보조 서비스 개발에 활용
    - 개발된 학습데이터셋을 기반으로 인공지능 판별 알고리즘을 생성하고 이를 적용한 원격 진단보조장치 개발 및 이를 활용한 서비스 개발
     

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 고막 사진을 이용한 병변 탐지 성능 Object Detection Modified Unet with WGAN mAP 80 % 85.36 %
    2 고막 사진을 이용한 귀질환 분류 성능 Image Classification EfficientNet-B1 Sensitivity 80 % 80 %

    ※ 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 다운로드

    데이터 포맷
    Ⅰ. 질환데이터
    고막 내시경 검사 이미지에서 귀질환 7종에 대하여 질환 분류 태그로 작성된 라벨링데이터(json)로 구성
      1. 원천데이터 – png 포맷

    정상 만성중이염유착성중이염
                   정상                            만성중이염                      유착성중이염

    심출성중이염 진주종성중이염 선천성진주종
              삼출성중이염                          진주종성중이염                          선천성진주종

    외이도염 및 고막염
            외이도염 및 고막염

     

      2. 라벨링데이터 – json 포맷

         라벨링데이터 sjon 포맷 이미지

     

    Ⅱ. 병변데이터
    고막 내시경 검사 이미지에서 병변 3종에 대해 폴리곤 세그멘테이션한 라벨링데이터(json)로 구성
      1. 원천데이터 – png 포맷

    천공 진주종 선천성진주종
                            천공                                          진주종                             선천성진주종

     

      2. 라벨링데이터 – json 포맷

         라벨링데이터 json 포맷 이미지

     

    데이터 구성

    Key Description Type Child Type
    images 고막 이미지정보 JsonObject  
    id 이미지식별자 String  
    width 이미지너비(pixel) Number  
    height 이미지높이(pixel) Number  
    filename 이미지파일명 String  
    metas 메타정보 JsonObject  
    id 연관메타데이터식별자 String  
    gender 성별 String  
    age 나이 Number  
    position 위치 String  
    disease_id 질환정보 Number  
    disease_name 질환명 String  
    hearingloss 난청여부 String  
    hlstage 난청정도 String  
    pathology 병리정보 String  
    confirm 검수여부 Number  
    annotations 라벨링정보 JsonObject  
    [   JsonObject  
    {   JsonAray JsonObject
    id 라벨링식별자 String  
    image_id 연관이미지식별자 String  
    category_id 병변정보 String  
    category_name 병변명 String  
    types 라벨링방법 String  
    color 라벨링색상값 String  
    points 라벨링폴리곤 List  
    [ 좌표 JsonAray JsonObject
    [      
    ]      
    ]      
    }      
    ]    
     

     

    어노테이션 포맷

    구분 항목명 필수 여부 타입 비고
    한글명 영문명
    1 고막 이미지 정보 images   Object  
      1-1 이미지식별자 images[].id Y String  
      1-2 이미지너비 images[].width Y Number  
      1-3 이미지높이 images[].height Y Number  
      1-4 이미지파일명 images[].filename Y String  
    2 메타정보 metas   Object  
      2-1 연관메타데이터식별자 metas[].id   String  
      2-2 성별 metas[].gender Y String  
      2-3 나이 metas[].age Y Number  
      2-4 위치 metas[],position Y String  
      2-5 질환정보 metas[].disease_id Y Number  
      2-6 질환명 metas[].disease_name Y String  
      2-7 난청여부 metas[].hearingloss   String  
      2-8 난청정도 metas[].hlstage   String  
      2-9 병리정보 metas[].pathology   String  
      2-10 검수여부 metas[].confirm   Number 검수 확인 등에 활용
    3 라벨링정보 annotations   Object  
      3-1 라벨링식별자 annotations[].id Y/N String  
      3-2 연관이미지식별자 annotations[].image_id Y/N String  
      3-3 병변정보 annotations[].category_id Y/N Number  
      3-4 병변명 annotations[].category_name Y/N String  
      3-5 라벨링방법 annotations[].type Y/N String poly (polygon)
      3-6 라벨링색상값 annotations[].color Y/N String  
      3-7 라벨링좌표 annotations[].points Y/N String
     

     

    실제 예시

    실제예시

  • 데이터셋 구축 담당자

    수행기관(주관) : 나무기술
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    김경우 02-3288-7900 kwkim@namutech.co.kr 사업 총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜엠티이지 이상호
    가톨릭서울성모병원 수집, 검수
    강남세브란스병원 수집, 검수
    고려대학교구로병원 수집, 검수
    부산대학교병원 수집, 검수
    분당서울대학교병원 수집, 검수
    서울대학교병원 수집, 검수
    전남대학교병원 수집, 검수
    전북대학교병원 수집, 검수
    충남대학교병원 수집, 검수
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    김경우 02-3288-7900 kwkim@namutech.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
      사용신청
      신청자신청서류 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

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.