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.
#콘빔CT # 파노라마 # 치아 # 하치조신경관 # 의료 AI

구강악 2D·3D 이미지

구강악 2D·3D 이미지
  • 분야헬스케어
  • 구분 안심존(온라인)
  • 유형 3D , 이미지
구축년도 : 2020 갱신년월 : 2021-06 조회수 : 17,449 다운로드 : 157

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.0 2021-06-30 데이터 최초 개방

    소개

    치의학 영상의 해부학적 세그멘테이션이 가능한 AI 개발을 위해 치아 및 하치조 신경관을 세그멘테이션하고 치아 번호를 인식할 수 있는 데이터셋 구축 및 AI 모델 생성 시 활용 가능한 치아의 성별, 나이대 정보 제공

    구축목적

    파노라마 영상에서 치아 인식과 콘빔 CT 영상에서 치아 및 하치조신경관 인식을 위한 데이터 셋
  • 구축 내용 및 제공 데이터량

    구축 내용 및 제공 데이터량
    modality Raw data Annotation
    파노라마 5,000 case 치아 : 5,000 case
    CBCT 1,000 case 치아 : 2.000 case
    하치조신경관 : 1,000 case
    산출물 형태 DICOM file DICOM file
    JPG file (의료영상을 다루기 어려운 사용자를 위하여 JPG 형태로 제공함) JPG file
    Bin file (어노테이션 영상파일)
    JSON file (어노테이션 텍스트파일)
    • 모든 치아는 치아번호와 함께 제공됨. 특히 인구통계학적 정보인 성별 나이대를 포함하고 있어 AI 모델 생성시 활용할 수 있도록 제공함
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 다운로드
  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 CBCT 기반 치아 3D 세그먼테이션 성능 Segmentation CNN DSC 0.9 단위없음 0.929 단위없음
    2 CBCT 기반 하치조신경관 3D 세그먼테이션 성능 Segmentation CNN DSC 0.592 단위없음 0.675 단위없음
    3 파노라마 기반 치아 2D 세그먼테이션 성능 Segmentation YOLO v3, Mask R-CNN F1-Score 0.84 0.917
    4 파노라마 기반 치아 2D 세그먼테이션 성능 Segmentation YOLO v3, Mask R-CNN Precision 87.8 % 95.3 %
    5 CBCT 기반 치아 3D 세그먼테이션 성능 Segmentation CNN Precision 80 % 93.4 %
    6 파노라마 기반 치아 2D 세그먼테이션 성능 Segmentation YOLO v3, Mask R-CNN Recall 86.8 % 88.3 %
    7 CBCT 기반 치아 3D 세그먼테이션 성능 Segmentation CNN Recall 80 % 92.9 %
    8 CBCT 기반 하치조신경관 3D 세그먼테이션 성능 Segmentation CNN Recall 48.9 % 68.7 %

    ※ 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 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.0 2021.06.30 데이터 최초 개방  

    구축목적

    • 파노라마 영상에서 치아 인식과 콘빔 CT 영상에서 치아 및 하치조신경관 인식을 위한 데이터 셋

    활용분야

    • 의료영상에서 치아 및 하치조신경관 인식을 필요로 하는 의료용 소프트웨어 (ex 교정치료, 사랑니 발치, 임플란트 시술용 소프트웨어 등) 해부학적 구조물을 인식할 수 있는 의료기기 개발

    주요 키워드

    • DICOM, Teeth segmentation, Mandibular canal segmentation, 콘빔CT(CBCT), 파노라마, 치아, 하치조신경관, 의료 AI

    소개

    • 의료용 AI가 가장 먼저 인식해야 하는 객체 중 해부학적 정보도 포함됨. 해부학적 정보를 바탕으로 병변의 위치 등을 정확하게 표현할 수 있어야 사용자(의료인력)에게 의미있는 정보를 전달할 수 있음. 따라서 구강악에서 해부학적으로 가장 중요한 요소인 치아 및 하치조신경관을 세그멘테이션하고 치아번호를 인식할 수 있는 데이터 셋을 생성함

     

    구강악 2D·3D 이미지-소개 이미지(Panoramic radiograph, CBCT)

     

    구축 내용 및 제공 데이터량

    구축 내용 및 제공 데이터량
    modality Raw data Annotation
    파노라마 5,000 case 치아 : 5,000 case
    CBCT 1,000 case 치아 : 2.000 case
    하치조신경관 : 1,000 case
    산출물 형태 DICOM file DICOM file
    JPG file (의료영상을 다루기 어려운 사용자를 위하여 JPG 형태로 제공함) JPG file
    Bin file (어노테이션 영상파일)
    JSON file (어노테이션 텍스트파일)
    • 모든 치아는 치아번호와 함께 제공됨. 특히 인구통계학적 정보인 성별 나이대를 포함하고 있어 AI 모델 생성시 활용할 수 있도록 제공함

    대표도면

    구강악 2D·3D 이미지-대표도면

     

    필요성

    • 본 데이터셋을 활용하여 치의학영상의 해부학적 세그멘테이션이 가능한 AI를 개발할 수 있으며, 현재 활용중인 소프트웨어 및 하드웨어와 연계하여 시너지 효과를 발휘할 수 있음
      치아교정 전 시뮬레이션 소프트웨어가 자동으로 치아를 세그멘테이션 하면, 사용자는 치아의 이동 등으로 발생할 수 있는 문제점을 미리 확인할 수 있으며, 의료장비에 탑재되어 단순 영상을 제공하는 것이 아니라 영상을 확인하고 실질적인 정보 (예를 들면, 특정치아(치아번호로 표시)에 치아우식증 발견)을 제공할 수 있음
      기존의 의료기기에 경쟁력을 증대시켜 글로벌 시장에서 시장 우위를 점유할 할 수 있음

    데이터 구조

     

    구강악 2D·3D 이미지-데이터 구조-[DICOM] 의료장비에서 전송된 원본 데이터

    < [DICOM] 의료장비에서 전송된 원본 데이터 >

    구강악 2D·3D 이미지-데이터 구조-[BIN] 치아번호 부여 및 세그멘테이션 데이터

    < [BIN] 치아번호 부여 및 세그멘테이션 데이터 >

     

     

    JSON 치아 세그멘테이션 텍스트 데이터

    JSON 치아 세그멘테이션 텍스트 데이터
    Key Values
    data-group 장비명 / 장비 고유번호
    case 케이스 아이디 / 상태
    facility 어노테이션 기관 정보
    patient 환자정보 (개인식별정보 없음)
    study 검사정보
    meta 영상 메타정보
    annotation 각 치아번호 별로 폴리곤 좌표정보

     

    구강악 2D·3D 이미지-JSON 치아 세그멘테이션 텍스트 데이터 예시 이미지

  • 데이터셋 구축 담당자

    수행기관(주관) : 헬스허브
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    변시섭 02-511-3601 terry.byon@healthhub.kr · 과제총괄 / 어노테이션도구 / 시범서비스 / 품질관리
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    서울대학교치과병원 · 의료영상 수집, 어노테이션 및 전문의 검증
    굿임팩트 · 의료영상 어노테이션
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    변시섭(헬스허브) 02-511-3601 terry.byon@healthhub.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]
    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.