- 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.

• 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 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.

• 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.

• 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

- 데이터 구성

Ⅰ. Clip_Videos

Ⅱ. Images

- 어노테이션 포맷
Ⅰ. Clip_Videos

Ⅱ. Images

- 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

  2. 라벨링데이터 – json 포맷

- 실제 예시