안심존 - 한국전기연구원

데이터 개요

데이터 변경이력

데이터 변경이력
버전	일자	변경내용	비고
1.1	2024-10-30	데이터 최종 개방
1.0	2024-06-28	데이터 개방	Beta Version

데이터 히스토리

데이터 히스토리
일자	변경내용	비고
2025-05-08	데이터셋 변경	담당자 정보 변경
2025-01-06	데이터셋 변경	메타데이터 데이터 구축량 정보 수정
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

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 구축량	2023년/25,010

데이터 통계

- 데이터 구축 규모

데이터 구축 규모
구분	원천 데이터 건수	라벨링 데이터 건수	정상 신장 WSI	신장암 WSI	정상 방광 WSI	방광암 WSI
비뇨기계 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

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%)

교육활용 동영상

활용 AI 모델 및 코드

- 신장암

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: Segmentation
신장암
신장암	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

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: Segmentation
방광암
방광암	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)

어노테이션 포맷 및 데이터 구조

- 원천 데이터

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

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

원천 데이터 및 Annotaion 라벨 이미지 예시
데이터명	원천데이터	Annotation 라벨 이미지
신장암WSI
신장암WSI		종양 부위와 비종양 영역을 라벨링함
방광암WSI
방광암WSI		종양 부위와 비종양 영역을 라벨링함

- 폴더명 구성 정보

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

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
- 신장암

신장암
구분		속성명	타입	설명	범위
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 종류	Radical, 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, other







	2-7	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 유무	Absent, Present
	2-12	tumor_necrosis	string	종양 괴사 유무	Absent, Present
	2-13	resection_margin_ involvement	string	절제연 침범 유무	Absent, Present
	2-14	pT_AJCC8	string	AJCC 8판에 따른 병기 T category	pT0, pT1, pT2a, pT2b, pT3a, pT3b, pT3c, pT4, pTx, benign (not applicable)
	2-14	pT_AJCC8	string	AJCC 8판에 따른 병기 T category
	2-15	pN_AJCC8	string	AJCC 8판에 따른 병기 N category	pN0, 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 형식	ndpi, 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_malignant
	4-2	label	string	라벨정보
	4-3	label_desc	string	라벨 상세정보	-
	4-4	coordinate	int	annotation좌표값	좌표 [X,Y]

- 방광암

방광암
구분		속성명	타입	설명	범위
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, Other
	2-6	Category	string	병변명	In situ/Non-invasive papillary urothelial carcinoma, Malignant, Normal/nontumor
	2-6	Category	string	병변명	inflammation
	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

json 실제 예시 이미지

구축 업체

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
정문성	02-743-1257	wjd3952@urbancorp.co.kr
이승호	02-743-1257	leesh@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

DSM - Korea Design System

공공 의료데이터 상세

비뇨기계 암 병리이미지 데이터