1. 서비스 명칭
- 이미지 데이터를 활용한 반려동물의 근골격계 질병 진단 툴 개발
2. 서비스 배경 및 목적
[ 배경 ]
- 근골격계 질환은 반려동물, 특히 노령 반려동물에서 흔히 발생
- 근골격계 질환의 정확한 진단은 효과적인 치료와 관리를 위해 매우 중요
- 현재 진단은 주로 신체검사와 X-ray, CT 스캔 및 MRI와 같은 이미징 기술.
- 그러나 이미징 데이터의 해석은 수의사의 전문성과 경험에 크게 의존
[ 목적 ]
- 기계 학습 모델 개발 이미지 데이터를 활용한 반려동물의 근골격계 질환 진단
- 수의학의 진단 정확도와 효율성을 향상 시켜 더 나은 치료 결과와 반려동물의 삶의 질 향상
- 근골격계 질환을 보다 정확하고 효율적으로 진단하는 데 도움이 되는 도구를 수의사에게 제공
3. 인공지능 서비스 유사 사례 분석
- 반려동물의 근골격계 질환 진단을 위한 이미지 데이터 활용과 관련된 서비스 사례 “Vetology AI” / https://vetology.ai/
- 인공지능 기술을 활용하여, 반려동물의 질환을 진단하고 치료하는 것을 목표로 하는 서비스 사례 “Vetstoria” / https://www.vetstoria.com/
4. 인공지능 모델의 입출력
- 입력: 반려동물 X-ray 이미지 (파일형식: jpg)
- 출력: 반려동물 질병 진단 (질병 유무 및 질병 라벨 제시)
5. 데이터셋 구축방안
- AIHub 반려동물 X-ray 데이터(https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&dataSetSn=501)를 이용한 질병 라벨링 데이터 생성
- AIHub 후처리하는 코드 제공 (학습셋, 시험셋 - 랜덤시드 고정)
6. 데이터셋 구성 목표
- 학습셋: 8,371장 (64%)
- 검증셋: 2,093장 (16%)
- 시험셋: 2,617장 (20%)
- 총 14종의 레이블 분류 (정상/비정상 * 질병 7종)
- Mu01 : 골격계종양
- Mu02 : 사지골절
- Mu03 : 갈비뼈골절
- Mu04 : 엉덩관절탈구
- Mu05 : 슬개골탈구
- Mu06 : 전십자인대파열
- Mu07 : 추간판질환
7. 인공지능 모델 평가 방법
- 정확도 (accuracy) = 맞춘 샘플 개수 / 전체 샘플 개수
8. 인공지능 모델 성능 목표
인공지능 모델 성능 목표를 기재합니다. (베이스라인 성능 대체)
- 정확도 (accuracy) 68.43%
9. 서비스 구축계획 및 사용 시나리오
- 입력: 이미지 파일 업로드
- 출력: 텍스트
10. 서비스 기대효과
- 높은 진단 정확도 - 이미지 데이터 분석을 통해 높은 진단 정확도
- 효율적인 진료 시간 관리 - 수의사의 시간 절약 가능
- 빠른 진단 및 치료 - 반려동물의 건강의 빠른 회복 및 병의 진행 예방 가능
- 지속적인 건강 모니터링 - 반려동물의 건강 상태의 모니터링을 통해 질병의 조기 발견 및 예방에 기여