• 간암 진단 및 치료 과정에서 필요한 의료 이미지 데이터셋 구축
• 의료 영상의 판독 결과와 진단 및 치료에 영향을 주는 임상 정보 등을 어노테이션한 학습용 데이터셋 구축
• 구축된 AI데이터를 이용하여 의료 단계별 의사결정에 직간접적 영향을 줄 수 있는 AI모델 제시

• 국가차원의 의료 지식베이스 및 이용환경 제공으로 간암, 담낭암, 췌장암 관련 지능정보산업 활성화, 의료 질 향상, 우리나라의 데이터 경제를 가속화 하는데 기여
• 공공 및 민간의 지능정보기술 개발 촉진과 지능정보산업 육성을 위한 지능정보 데이터 인프라 구축 및 이용환경 제공
• 간암의 진단에 중요한 다양한 진단 영상과 임상 자료를 추가한 인공지능 학습용 데이터 구축
• 인공지능 학습을 통해 객관적이고 정확한 진단을 제시할 수 있는 인공지능 딥러닝 기반의 진단법 개발

• 간암 진단 인공지능기술의 개발 확산을 위해 특정 질환의 영상 이미지 및 임상 정보와 전문의의 진단정보 등이 포함된 학습용 데이터셋 의료 지식 베이스 구축

   

• 간암의 DICOM 영상파일과 어노테이션 PNG파일, 임상정보의 JSON 파일을 수집
• 어노테이션을 통해 악성(malignant), 양성(benign), 정상(normal)로 구분

• 좌측 : dcm파일, 우측 : png파일(병변 라벨링)

   

  
• 임상정보 json 파일

   

  

• 고차원 의료영상(CT, MRI 등) 급증과 의료진의 부족
• 의료영상 분석 및 진단 보조 솔루션 개발의 도입과 복부 장기에 대한 분야의 적용 제한
• 기반구축 지원의 필요성 - 해외는 다양한 분야에서 인공지능 기술 개발에 활용할 인공지능 학습 데이터 및 학습 환경 등 기반 인프라가 활성화되어 있음. 반면, 국내의 경우 개인정보 침해, 저작권, 초상권 등 다양한 이슈로 양질의 데이터 개방 및 활용은 여전히 어려운 상황임
• 간담도 췌장암의 진단 향상 및 오진율 감소를 위한 영상진단 인공지능 학습용 데이터 구축 필요
  - 전체 암종 중 사망률 2위로 사회경제적 부담이 가장 높은 암
  - 간암 선별검사 시 검사자의 숙련도에 따라 진단에 차이가 발생하며 최근 영상 기법 발전 및 의료 접근성 증가로 CT, MRI등의 영상 검사가 증가하였으며 이에 따른 의료비 증가가 발생함

• 데이터 구성
  - DICOM 영상 파일, PNG 어노테이션 파일, JSON 임상 정보 파일
  1. 폴더 구조

  폴더 구조

  폴더구조	대상정보	파일명칭 정의
  	프로젝트 Case별폴더	LV로 시작하는 폴더 아래 구성 분류별로 폴더명 구성
  	시리즈폴더 영상정보 DICOM	{CaseID}-{Seq}_{SOPInstanceUID}.dcm
  	어노테이션 Mask	M_{SOPInstanceUID}.png
  	부가정보 판독문	{CaseID}.json

   

  - 폴더명 항목

  폴더명 항목

  항목	내용	항목	내용
  ProjectCode	프로젝트 코드 (암종)	Category	카테고리
  CaseID	케이스번호	Seq	영상내 순번
  Modality	촬영장비 코드	SopInstanceUID	DICOM SOP유일키

  - 폴더명 세부 항목

  폴더명 세부 항목1

  Category	카테고리 명칭
  Normal	정상
  Benign1	Cyst
  Benign2	Hemangioma
  Benign3	DN(Dysplastic nodule)
  Benign4	FNH(Focal Nodular Hyperplasia)
  Benign5	Adenoma
  Malignant	Malignant

  폴더명 세부 항목2

  프로젝트코드	프로젝트명
  LV	Liver - 간암
  GB	Gallbladder - 담낭암
  PC	Pancreas - 췌장암

  폴더명 세부 항목3

  Modality Code	Modality
  CT	Computer Tomography
  MR	Magnetic Resonance Imaging
  US	Ultra SOund Image
  ES	Endoscopy(EUS)

   

  2. DICOM 파일 구성
  - M : 필수요소, M* : 조건하 필수요소, U : 부가정보

  DICOM 파일 구성

  IOD	CT	MR	US
  Patient	M	M	M	익명화 적용
  General Study	M	M	M
  General Series	M	M	M
  Frame of Reference	M	M	U
  General Equipment	M	M	M
  General Image	M	M	M*
  Image Plane	M	M	-
  Image Pixel	M	M	M*
  Device	U	U	U
  SOP Common	M	M	M*

   

  3. 어노테이션(PNG) 구성
  - 나뉘어진 개별 Mask의 구분이 PNG 내 Bit로 구분되어 기록됨
  - PNG 내 8비트 활용 개별 마스크 매핑
  - DICOM 파일 1개에 대해서 1개의 PNG 파일이 매핑됨.
  - PNG 파일의 전체크기는 DICOM 파일 크기와 일치시켜, 어노테이션한 위치를 고정으로 가져감.
  - 간 정상 CT의 경우, DICOM 파일 1개에 대해서 어노테이션되지 않은 1개의 PNG 파일이 매핑됨.
  - PNG 파일 내 특정 분류 값 표현을 하도록 정의하며, Gray scale을 사용함.
  - 암종별 카테고리에 따른 지정된 bit 자리를 사용함.

   

   

  4. 임상정보(JSON) 구성
  - 필수항목
  ・ 대분류 (정상, 악성, 양성)
  ・ 중분류 (normal, benign1~5, malignant)
  ・ 악성세부진단명(HCC, combined HCC, CCC, undifferentiated carcinoma, mets, other)
  ・ 모달리티(CT, MR, US)
  ・ 성별

   

  - 부가항목
  ・ 기본정보 (나이, 인종, 신장, 체중)
  ・ 영상정보(검사일, 촬영장비제조사, 모델명, 조영제, 판독결과)
  ・ 영상에서의 종양크기, 종양위치, 종양개수, 장기 외 침범 여부, 병기(TNMstage)
  ・ 수술 (검사여부, 시행일자, 수술방법, 병리검사결과지)

  부가항목 표

  8bit - (RGB)	간 (Liver)
  000000 (0,0,0)	- (transparency)
  800000 (128,0,0)	NORMAL
  008000 (0,128,0)	BENIGN1
  808000 (128,128,0)	BENIGN2
  000080 (0,0,128)	BENIGN3
  800080 (128,0,128)	BENIGN4
  008080 (0,128,128)	BENIGN5
  808080 (128,128,128)	MALIGNANT

수행기관(주관) : 국립암센터

수행기관(참여)