Potentialet for dyb læring i vurdering af pneumokoniose afbildet på digital røntgen af thorax
8. juli 2021 opdateret af: Peking University Third Hospital
Undersøg potentialet for dyb læring ved vurdering af pneumokoniose afbildet på digitale røntgenbilleder af thorax og for at sammenligne dens ydeevne med certificerede radiologer
Pneumokoniose er relativt udbredt i lav-/mellemindkomstlande, og det er fortsat en udfordrende opgave præcist og pålideligt at diagnosticere pneumokoniose.
Efterforskerne implementerede en deep learning-løsning og afklarede potentialet for dyb læring i pneumokoniosediagnose ved at sammenligne dens præstation med to certificerede radiologer.
Den dybe læring viste et unikt potentiale i klassificering af pneumokoniose.
Studieoversigt
Status
Afsluttet
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Efterforskerne indsamlede retrospektivt et datasæt bestående af 1881 røntgenbilleder af thorax i form af digital radiografi.
Disse billeder blev erhvervet i en screening-indstilling af forsøgspersoner, der havde en historie med at arbejde i et miljø, der udsatte dem for skadeligt støv.
Blandt disse forsøgspersoner blev 923 diagnosticeret med pneumokoniose, og 958 var normale.
For at identificere forsøgspersonerne med pneumokoniose anvendte efterforskerne et klassisk dybt foldningsneuralt netværk (CNN) kaldet Inception-V3 til disse billedsæt og validerede klassificeringsydelsen af de trænede modeller ved hjælp af området under modtagerens operationskarakteristikkurve (AUC).
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
1881
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
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ingen
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Af disse forsøgspersoner blev 923 diagnosticeret med pneumokoniose, 958 var normale.
Blandt disse emner var 163 kvinder.
Beskrivelse
Inklusionskriterier:
- industriarbejdere med en historie med eksponering for støv og gennemgik DR-screening af pneumokoniose fra 2015 til 2018
Ekskluderingskriterier:
- patienter med dårlig billedkvalitet
- patienter med ufuldstændige kliniske data
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kun etui
- Tidsperspektiver: Tilbagevirkende kraft
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
convolutional neural network (CNN)
et klassisk dybt konvolutionelt neuralt netværk (CNN) kaldet Inception-V3 blev anvendt på billedsættene og validerede klassifikationsydelsen af de trænede modeller
|
CNN-arkitektur kaldet U-Net-arkitektur
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
diagnosen pneumokoniose
Tidsramme: op til 6 måneder
|
Diagnosen og stadieinddelingen af pneumokoniose blev foretaget af et ekspertpanel bestående af certificerede radiologer og erhvervslæger.
Diagnosen pneumokoniose blev bekræftet af sygehistorie og tidligere lægejournaler (røntgenbilleder af thorax og lungefunktionstest).
|
op til 6 måneder
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Efterforskere
- Studiestol: Xiaohua Wang, Peking University Third Hospital
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. januar 2015
Primær færdiggørelse (Faktiske)
31. december 2018
Studieafslutning (Faktiske)
31. december 2019
Datoer for studieregistrering
Først indsendt
28. juni 2021
Først indsendt, der opfyldte QC-kriterier
8. juli 2021
Først opslået (Faktiske)
15. juli 2021
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
15. juli 2021
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
8. juli 2021
Sidst verificeret
1. juni 2021
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- M2019467
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Ingen
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 .