- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04358536
Classification of COVID-19 Infection in Posteroanterior Chest X-rays
21. april 2020 opdateret af: Dascena
Classification of COVID-19 Infection in Posteroanterior Chest X-rays With Common Deep Learning Architectures
The objective of this study is to assess three configurations of two convolutional deep neural network architectures for the classification of COVID-19 PCX images.
Studieoversigt
Detaljeret beskrivelse
The December 2019 outbreak of COVID-19 has now evolved into a public health emergency of global concern.
Given the rapid spread of infection, the rapid depletion of hospital resources due to high influxes of patients, and the current absence of specific therapeutic drugs and vaccines for treatment of COVID-19 infection, it is essential to detect onset of the disease at its early stages.
Radiological examinations, the most common of which are posteroanterior chest X-ray (PCX) images, play an important role in the diagnosis of COVID-19.
The objective of this study is to assess three configurations of two convolutional deep neural network architectures for the classification of COVID-19 PCX images.
The primary experimental dataset consisted of 115 COVID-19 positive and 115 COVID-19 negative PCX images, the latter comprising roughly equally many pneumonia, emphysema, fibrosis, and healthy images (230 total images).
Two common convolutional neural network architectures were used, VGG16 and DenseNet121, the former initially configured with off-the-shelf (OTS) parameters and the latter with either OTS or exclusively X-ray trained (XRT) parameters.
The OTS parameters were derived from training on the ImageNet dataset, while the XRT parameters were obtained from training on the NIH chest X-ray dataset, ChestX-ray14.
A final, densely connected layer was added to each model, the parameters of which were trained and validated on 87% of images from the experimental dataset, for the task of binary classification of images as COVID-19 positive or COVID-19 negative.
Each model was tested on a hold-out set consisting of the other 13% of images.
Performance metrics were calculated as the average over five random 80%-20% splits of the images into training and validation sets, respectively.
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
230
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
California
-
Oakland, California, Forenede Stater, 94612-2603
- Dascena
-
-
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
18 år og ældre (Voksen, Ældre voksen)
Tager imod sunde frivillige
Ja
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
115 COVID-19 single PCX images and 115 non COVID-19 single PCX images (230 images total), collected from 81 unique COVID-19 patients and 91 unique non COVID-19 patients.
Beskrivelse
Inclusion Criteria:
- Single PCX images collected from patients over 18 years of age
Exclusion Criteria:
- CT scans composed of multiple concerted X-rays
- Single PCX images collected from patients under 18 years of age
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
---|---|
COVID-19 Patients
Single posteroanterior (or "front-on") X-rays collected from COVID-19 patients
|
Convolutional neural network for classification of COVID-19 from chest X-rays
|
Non COVID-19 Patients
Single posteroanterior (or "front-on") X-rays collected from subsets of non COVID-19 patients
|
Convolutional neural network for classification of COVID-19 from chest X-rays
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Identification of COVID-19
Tidsramme: Through study completion, an average of 2 months
|
Identification of COVID-19 infection from chest X-ray analysis
|
Through study completion, an average of 2 months
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Hjælpsomme links
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. april 2020
Primær færdiggørelse (Faktiske)
17. april 2020
Studieafslutning (Faktiske)
17. april 2020
Datoer for studieregistrering
Først indsendt
20. april 2020
Først indsendt, der opfyldte QC-kriterier
21. april 2020
Først opslået (Faktiske)
24. april 2020
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
24. april 2020
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
21. april 2020
Sidst verificeret
1. april 2020
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 04202002
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
UBESLUTET
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med COVID-19
-
Yang I. PachankisAktiv, ikke rekrutterendeCOVID-19 luftvejsinfektion | COVID-19 stresssyndrom | COVID-19-vaccinebivirkning | COVID-19-associeret tromboembolisme | COVID-19 Post-Intensive Care Syndrome | COVID-19-associeret slagtilfældeKina
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico og andre samarbejdspartnereAfsluttetPostakutte følgesygdomme af COVID-19 | Tilstand efter COVID-19 | Langtids-COVID | Kronisk COVID-19 syndromItalien
-
Massachusetts General HospitalRekrutteringPostakut COVID-19 syndrom | Lang COVID | Postakutte følgesygdomme af COVID-19 | Lang COVID-19Forenede Stater
-
Indonesia UniversityRekrutteringPost-COVID-19 syndrom | Lang COVID | Tilstand efter COVID-19 | Post-COVID syndrom | Lang COVID-19Indonesien
-
Dr. Soetomo General HospitalIndonesia-MoH; Universitas Airlangga; Biotis Pharmaceuticals, IndonesiaRekrutteringCovid-19-pandemi | Vacciner mod covid-19 | COVID-19 virus sygdomIndonesien
-
First Affiliated Hospital Xi'an Jiaotong UniversityShangluo Central Hospital; Ankang Central Hospital; Hanzhong Central Hospital og andre samarbejdspartnereRekrutteringKohorteopfølgning af epidemi og neuroimaging for patienter under den første bølge af COVID-19 i KinaCOVID-19 | Post-COVID-19 syndrom | Post-akut COVID-19 | Akut COVID-19Kina
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkIkke rekrutterer endnuPost-COVID-19 syndrom | Lang COVID | Lang Covid19 | Tilstand efter COVID-19 | Post-COVID syndrom | Tilstand efter COVID-19, uspecificeret | Post-COVID tilstandHolland
-
University of Witten/HerdeckeInstitut für Rehabilitationsforschung NorderneyAfsluttetPost-COVID-19 syndrom | Long-COVID-19 syndromTyskland
-
University Hospital, Ioannina1st Division of Internal Medicine, University Hospital of IoanninaRekrutteringCOVID-19 lungebetændelse | COVID-19 luftvejsinfektion | Covid-19-pandemi | COVID-19 Akut Respiratorisk Distress Syndrome | COVID-19-associeret lungebetændelse | COVID 19 associeret koagulopati | COVID-19 (Coronavirus sygdom 2019) | COVID-19-associeret tromboembolismeGrækenland
Kliniske forsøg med CovX
-
Boston Children's HospitalGeneral ElectricAfsluttetHypoplastisk venstre hjerte syndrom | Oversættelse af de store fartøjer | Iltforbrugsbaseret vurdering af hæmodynamikForenede Stater