- 건강인 전신 CT 영상
- 의무기록 데이터
한국인 건강인의 전신 CT 영상 데이터를 기반으로 근육량, 내장지방, 피하지방 분석에 활용 가능한 의료영상 AI 학습용 데이터를 구축한 사례입니다. DICOM 영상과 의무기록 데이터를 수집한 뒤 개인정보 및 민감성 생체정보를 비식별화하고, L3 부위를 중심으로 Annotation·Labeling·품질 검수를 수행하여 지방 및 근육량 분석 모델 학습과 헬스케어 응용서비스에 활용할 수 있는 데이터셋을 구성하였습니다.
데이터 구축 성과
데이터 수집, 정제, 라벨링, 품질 검수를 통해 구축한 학습용 데이터의 주요 성과를 정리한 영역입니다.
SUBJECT
3,000명
건강인 CT 데이터
DICOM
801,176건
원본 DICOM 데이터
IMAGE
600,000장
근육·지방 가공 이미지
MODEL SCORE
90.0%
Dice Score 기준 모델 성능
데이터 구축 프로세스
원천 데이터 수집부터 정제, 라벨링, 품질 검수, 데이터셋 구축까지 이어지는 전체 처리 흐름을 시각화한 구성입니다.
- DICOM·의무기록 비식별화
- 개인정보·민감 생체정보 제거
- L3 기준 Annotation
- 근육·내장지방·피하지방 라벨링
- 전문의·임상연구원 교차 검증
- 합격·불합격 피드백
- 지방·근육량 분석
- 문진검사표 제공
- 성별·연령별 분포 현황
데이터 응용서비스
구축 데이터를 기반으로 사용자가 분석 결과를 확인하고 활용할 수 있도록 구성한 서비스 기능입니다.
지방 및 근육량 분석 서비스
DICOM 영상에서 L3 부위를 기준으로 근육, 내장지방, 피하지방 영역을 분석하고 면적값과 부피값을 산출하여 사용자가 신체 구성 정보를 확인할 수 있도록 지원합니다.
문진검사표 기반 건강인 선별
서비스 이용 과정에서 건강인 선별을 위한 문진검사표를 제공하고, 수집된 정보를 기반으로 분석 서비스와 데이터 구축 흐름을 연계합니다.
데이터 현황 및 샘플 조회
구축 데이터의 처리 단계와 제공 현황을 확인할 수 있도록 프로세스, 수집 및 정제, 가공 및 검수, 샘플 다운로드, 응용서비스 메뉴를 구성하였습니다.