이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

A.I용 Covid 방사선 이미지 데이터 세트 (CORDA)

2020년 6월 4일 업데이트: Giorgio Limerutti, Azienda Ospedaliera Città della Salute e della Scienza di Torino
COVID-19 환자의 조기 선별 검사를 위해 광범위하고 간단한 흉부 X선(CXR) 영상을 사용할 수 있는 가능성은 임상 및 인공 지능 커뮤니티 모두에서 많은 관심을 끌고 있습니다. 이 연구에서는 CXR 이미지의 COVID 분류에 딥 러닝을 적용하여 통찰력을 제공하고 합리적인 기대에 대한 경고를 제기합니다. 우리는 현재 사용 가능한 데이터 세트를 사용하여 얻을 수 있는 광범위한 통계 결과 집합에 대한 방법론적 가이드와 비판적 판독을 제공합니다. 특히, 우리는 현재 소규모 COVID 데이터가 제기하는 문제를 해결하고 더 큰 공개 비 COVID CXR 데이터 세트를 사용하여 전이 학습으로 도입된 편향이 얼마나 중요한지 보여줍니다. 우리는 또한 COVID 전염병이 절정에 달했을 때 이탈리아 북부의 주요 응급 병원 중 한 곳에서 방금 수집한 중간 크기의 COVID CXR 데이터 세트에 대한 결과를 제공함으로써 기여합니다. 이러한 새로운 데이터를 통해 우리는 과학계에서 순환하는 예비 결과의 일반화 능력을 검증하는 데 기여할 수 있습니다. 우리의 결론은 CXR을 사용하여 COVID를 효과적으로 구별할 수 있는 가능성에 약간의 빛을 비춰줍니다.

연구 개요

상태

알려지지 않은

상세 설명

COVID-19 바이러스는 중국 본토와 전 세계 여러 국가로 빠르게 퍼졌습니다. 2020년 4월 7일 현재 가장 심각한 피해를 입은 국가 중 하나인 이탈리아에서 135,586명의 COVID19 환자가 기록되었고 이 중 17,127명이 사망했습니다. 작성 당시 Piedmont는 13,343건의 사례로 이탈리아에서 세 번째로 가장 많은 영향을 받은 지역입니다. 조기 진단은 환자의 적절한 치료와 질병 확산 방지를 위한 핵심 요소입니다. 호흡 기도 및 폐 상피에 대한 COVID-19의 높은 친화성을 고려할 때, 감염된 환자의 폐 관련 식별은 질병의 치료 및 모니터링과 관련이 있을 수 있습니다. 바이러스 검사는 현재 유일한 특정 진단 방법으로 간주됩니다. 미국 질병 통제 센터(CDC)는 역전사 폴리머라제 연쇄 반응을 이용한 바이러스 검사를 위해 상기도(비인두 및 구인두 면봉) 또는 가능한 경우 하기도(기관지폐포 세척, BAL)에서 검체를 수집하고 검사할 것을 권장합니다. (RT-PCR) 분석. 방사선 학회(Fleischner Society, SIRM, RSNA)의 현 입장 문서는 COVID-19 진단을 위한 영상의 일상적인 사용을 권장하지 않습니다.

그러나 질병의 초기 단계에서도 흉부 X-레이(CXR) 및 컴퓨터 단층 촬영(CT) 스캔이 병리학적 소견을 나타낼 수 있다는 것이 널리 입증되었습니다. 실제로는 비특이적이며 다른 바이러스 감염(예: 인플루엔자, H1N1, SARS 및 MERS)과 중복된다는 점에 유의해야 합니다. 대부분의 저자는 주로 하엽을 포함하는 말초 양측 불명확하고 간유리 혼탁이 점진적으로 발생한다고 보고합니다. 질병이 더 심해짐에 따라 확장이 증가하고 미만성 실질 경화로 이어지는 CT는 주변 젖빛 유리 혼탁의 조기 발견을 위한 민감한 도구입니다. 그러나 이러한 환자에서 CT 이미징의 일상적인 역할은 의료 전문가 및 기타 환자의 안전 측면에서 논리적으로 어려운 일이며 사용 가능한 리소스를 압도할 수 있습니다. 흉부 X-레이는 특히 응급 상황에서 유용한 도구가 될 수 있습니다. 다른 가능성 있는 폐 "녹사"를 배제하는 데 도움이 될 수 있고, 폐 침범 정도에 대한 첫 번째 대략적인 평가를 허용하며, 가장 중요하게는 휴대용 장치를 사용하여 환자 침대에서 얻을 수 있습니다. 의료 종사자와 다른 환자의 가능한 노출을 제한합니다. 또한 CXR은 폐 질환의 진행을 모니터링하기 위해 시간이 지남에 따라 반복될 수 있습니다.

방법론:

우리는 꽤 표준적인 파이프라인, 즉 흉부 이미지 전처리 및 폐 분할에 이어 전이 학습으로 얻은 분류 모델을 기반으로 하는 딥러닝 접근 방식을 설명합니다. 이 섹션에서 볼 수 있듯이 데이터 전처리는 데이터에 존재하는 편향을 제거하는 데 기본입니다. 특히 딥 모델이 학습 프로세스를 주도하는 이러한 편향을 인식하기 쉽다는 것을 보여줄 것입니다. COVID 데이터 세트의 작은 크기를 감안할 때 사전 교육에 사용되는 더 큰 데이터 세트가 핵심 역할을 합니다. 따라서 먼저 목표에 사용할 수 있는 데이터 세트에 대해 논의합니다.

연구 유형

관찰

등록 (예상)

2500

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

    • Turin
      • Torino, Turin, 이탈리아, 10126
        • 모병
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • 연락하다:
        • 수석 연구원:
          • Giorgio Limerutti, M.D.
        • 부수사관:
          • Paolo Fonio, M.D.
        • 부수사관:
          • Marco Grosso, M.Sc.
        • 부수사관:
          • Stefano Tibaldi, M.Sc.
        • 부수사관:
          • Simona Capello, M.D.
        • 부수사관:
          • Patrizia Sardo, M.D.
        • 부수사관:
          • Claudio Berzovini, M.D.
        • 부수사관:
          • Francesca Santinelli, M.Sc.
        • 부수사관:
          • Marco Calandri, M.D.
        • 부수사관:
          • Andrea Ferraris, M.D.

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인
  • OLDER_ADULT
  • 어린이

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

방사선과에서 치료받는 모든 사람들

설명

포함 기준: 응급실 또는 입원 중 수행된 흉부 X선

-

제외 기준:

  • 없음

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
간질성 폐렴 사례
흉부 엑스레이 진단
우리는 신경망에 간질성 폐렴의 자동 진단을 위한 네트워크를 가르치기 위해 흉부 X선 방사선 촬영 이미지를 제공합니다.
네거티브 컨트롤
폐렴에 대한 흉부 엑스레이 음성
우리는 신경망에 간질성 폐렴의 자동 진단을 위한 네트워크를 가르치기 위해 흉부 X선 방사선 촬영 이미지를 제공합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
신경망 진단의 민감도와 특이도
기간: 0일에
인간 진단과 비교한 신경망 진단의 민감도 및 특이성
0일에

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Giorgio Limerutti, M.D., Radiology Unit A.O.U. Città della Salute e della Scienza

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2020년 3월 24일

기본 완료 (예상)

2020년 12월 31일

연구 완료 (예상)

2021년 3월 31일

연구 등록 날짜

최초 제출

2020년 6월 4일

QC 기준을 충족하는 최초 제출

2020년 6월 4일

처음 게시됨 (실제)

2020년 6월 5일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2020년 6월 5일

QC 기준을 충족하는 마지막 업데이트 제출

2020년 6월 4일

마지막으로 확인됨

2020년 6월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • CORDA

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

구독하다