디지털 흉부 방사선 촬영에 묘사된 진폐증 평가에서 딥 러닝의 가능성
2021년 7월 8일 업데이트: Peking University Third Hospital
디지털 흉부 방사선 사진에 묘사된 진폐증 평가에서 딥 러닝의 잠재력을 조사하고 그 성능을 인증된 방사선 전문의와 비교합니다.
진폐증은 저소득/중소득 국가에서 상대적으로 널리 퍼져 있으며 진폐증을 정확하고 안정적으로 진단하는 것은 여전히 어려운 과제입니다.
연구자들은 딥 러닝 솔루션을 구현하고 두 명의 인증된 방사선 전문의와 성능을 비교하여 진폐증 진단에서 딥 러닝의 가능성을 명확히 했습니다.
딥 러닝은 진폐증을 분류하는 데 고유한 잠재력을 보여주었습니다.
연구 개요
상세 설명
조사자들은 디지털 방사선 사진의 형태로 1881개의 흉부 X-레이 이미지로 구성된 데이터 세트를 후향적으로 수집했습니다.
이 이미지는 유해한 먼지에 노출된 환경에서 일한 이력이 있는 피험자에 대한 스크리닝 설정에서 획득했습니다.
이 중 923명이 진폐증 진단을 받았고 958명은 정상이었다.
진폐증이 있는 피험자를 식별하기 위해 연구자들은 Inception-V3라는 고전적인 CNN(깊은 회선 신경망)을 이러한 이미지 세트에 적용하고 수신자 작동 특성 곡선(AUC) 아래 영역을 사용하여 훈련된 모델의 분류 성능을 검증했습니다.
연구 유형
관찰
등록 (실제)
1881
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
이 중 923명이 진폐증 진단을 받았고 958명은 정상이었다.
이 중 163명이 여성이었다.
설명
포함 기준:
- 2015년부터 2018년까지 먼지 노출 이력이 있고 진폐증 DR 선별검사를 받은 산업 근로자
제외 기준:
- 화질이 좋지 않은 환자
- 불완전한 임상 데이터를 가진 환자
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 전용
- 시간 관점: 회고전
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
컨벌루션 신경망(CNN)
Inception-V3라고 하는 고전적인 CNN(심층 합성곱 신경망)을 이미지 세트에 적용하고 훈련된 모델의 분류 성능을 검증했습니다.
|
U-Net 아키텍처라는 이름의 CNN 아키텍처
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
진폐증의 진단
기간: 최대 6개월
|
진폐증의 진단 및 병기는 인증된 방사선 전문의 및 직업 전문의로 구성된 전문가 패널에 의해 이루어졌습니다.
진폐증의 진단은 병력 및 과거 진료기록(흉부 X-레이 및 폐기능 검사)으로 확인하였다.
|
최대 6개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 의자: Xiaohua Wang, Peking University Third Hospital
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)
2015년 1월 1일
기본 완료 (실제)
2018년 12월 31일
연구 완료 (실제)
2019년 12월 31일
연구 등록 날짜
최초 제출
2021년 6월 28일
QC 기준을 충족하는 최초 제출
2021년 7월 8일
처음 게시됨 (실제)
2021년 7월 15일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 7월 15일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 7월 8일
마지막으로 확인됨
2021년 6월 1일
추가 정보
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. .