このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

デジタル胸部 X 線写真に描かれたじん肺の評価におけるディープラーニングの可能性

2021年7月8日 更新者:Peking University Third Hospital

デジタル胸部 X 線写真に描かれたじん肺の評価におけるディープ ラーニングの可能性を調査し、認定放射線科医とそのパフォーマンスを比較する

塵肺は低/中所得国で比較的蔓延しており、塵肺を正確かつ確実に診断することは依然として困難な課題です。 研究者はディープ ラーニング ソリューションを実装し、そのパフォーマンスを 2 人の認定放射線科医と比較することで、じん肺診断におけるディープ ラーニングの可能性を明らかにしました。 ディープ ラーニングは、じん肺の分類における独自の可能性を示しました。

調査の概要

詳細な説明

研究者は、1881 枚の胸部 X 線画像からなるデータセットをデジタル X 線写真の形式でレトロスペクティブに収集しました。 これらの画像は、有害な粉塵にさらされる環境で働いた経験のある被験者のスクリーニング設定で取得されました。 これらの被験者のうち、923 人がじん肺と診断され、958 人が正常でした。 じん肺の被験者を特定するために、研究者は Inception-V3 と呼ばれる古典的な深層畳み込みニューラル ネットワーク (CNN) をこれらの画像セットに適用し、受信者動作特性曲線 (AUC) の下の領域を使用してトレーニング済みモデルの分類性能を検証しました。

研究の種類

観察的

入学 (実際)

1881

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 大人
  • 高齢者

健康ボランティアの受け入れ

いいえ

受講資格のある性別

全て

サンプリング方法

非確率サンプル

調査対象母集団

これらの被験者のうち、923 人がじん肺と診断され、958 人が正常でした。 これらの被験者のうち、163人が女性でした。

説明

包含基準:

  • 2015 年から 2018 年に塵肺の DR スクリーニングを受けた過去の粉塵曝露歴のある産業労働者

除外基準:

  • 画質の悪い患者
  • 臨床データが不完全な患者

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

  • 観測モデル:ケースのみ
  • 時間の展望:回顧

コホートと介入

グループ/コホート
介入・治療
畳み込みニューラル ネットワーク (CNN)
Inception-V3 と呼ばれる従来の深層畳み込みニューラル ネットワーク (CNN) が画像セットに適用され、トレーニング済みモデルの分類パフォーマンスが検証されました。
U-Net アーキテクチャと名付けられた CNN アーキテクチャ
他の名前:
  • ディープラーニング技術

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
じん肺の診断
時間枠:6ヶ月まで
じん肺の診断と病期分類は、認定された放射線科医と産業医で構成される専門家パネルによって行われました。 塵肺症の診断は、病歴と以前の医療記録(胸部X線および肺機能検査)によって確認されました。
6ヶ月まで

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

捜査官

  • スタディチェア:Xiaohua Wang、Peking University Third Hospital

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2015年1月1日

一次修了 (実際)

2018年12月31日

研究の完了 (実際)

2019年12月31日

試験登録日

最初に提出

2021年6月28日

QC基準を満たした最初の提出物

2021年7月8日

最初の投稿 (実際)

2021年7月15日

学習記録の更新

投稿された最後の更新 (実際)

2021年7月15日

QC基準を満たした最後の更新が送信されました

2021年7月8日

最終確認日

2021年6月1日

詳しくは

本研究に関する用語

その他の研究ID番号

  • M2019467

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

3
購読する