심층 합성곱 신경망을 이용한 기관내관 깊이 예측
심층 회선 신경망과 흉부 방사선 사진을 이용한 삽관 전 기관내관 고정의 적절한 깊이 예측
연구 개요
상세 설명
이것은 대만 Linkou 분원의 Chang Gung Memorial Hospital의 PACS(Picture Archive and Communication System)에서 얻은 흉부 방사선 사진을 사용한 후향적 IRB 승인 연구였습니다.
이 연구를 위해 총 595명의 비식별 환자의 흉부 방사선 사진을 얻었습니다. 본 연구의 대상자 선정 기준은 2019년 11월부터 2020년 10월까지 기관삽관을 시행하고 기관삽관 전후(<24시간)에 흉부 방사선 사진을 촬영한 만 18세 이상의 환자이다. 동일한 환자의 삽관 전 및 삽관 후 흉부 방사선 사진을 모두 얻었습니다. 연령, 성별, 키, 체중, ETT 고정 깊이를 포함한 임상 데이터도 기록되었습니다. 모든 ETT 팁에서 카리나까지의 거리는 삽관 후 필름에서 동일한 마취 전문의가 수동으로 측정하고 문서화했습니다. 각 환자의 입술에서 융기선까지의 길이는 융기선 거리에 ETT 고정 깊이와 ETT 팁을 더하여 계산할 수 있습니다.
삽관 전 흉부 방사선 사진(n=595)과 연령, 성별, 신장, 체중, 측정된 입술에서 용골선까지의 길이를 포함하는 임상 데이터를 모형 제작을 위해 수집합니다. 이 연구에서 476/595(80%)는 학습에 사용되었고 119/595(20%)는 AI 모델에서 무작위로 선택한 검증에 사용되었습니다. 교육 과정에서 이미지 및 관련 임상 데이터와 측정된 입술에서 용골골까지의 길이가 입력되어 AI 모델을 맞추는 데 사용됩니다. 그런 다음 검증 과정에서 조사관은 예측하지 못한 경우의 이미지와 임상 데이터를 사용하여 입술에서 입술까지의 길이를 예측하는 모델의 정확도와 효능을 평가합니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Guishan Township
-
Taoyuan, Guishan Township, 대만, 333
- Chang Gung Memorial Hospital, Linkou Branch
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 18세 이상
- 2019년 11월부터 2020년 10월까지 기관 삽관
- 삽관 전과 후 24시간 이내에 흉부 방사선 사진을 촬영했습니다.
제외 기준:
- 환자의 carina를 인식할 수 없는 나쁜 흉부 방사선 사진 품질
- 삽관 후 필름에서 기관지 삽입이 발견된 환자
- 비강 삽관
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
훈련
교육 그룹의 측정된 입술에서 용골까지의 길이와 함께 이미지 및 관련 임상 데이터가 입력되어 심층 컨벌루션 신경망 모델을 맞추는 데 사용됩니다.
|
ETT 고정의 적절한 깊이를 예측하기 위해 환자의 데이터와 함께 삽관 전 흉부 방사선 사진을 분석하기 위해 심층 합성곱 신경망을 사용합니다.
|
|
확인
우리는 검증 그룹에서 예상치 못한 사례의 이미지와 임상 데이터를 사용하여 입술에서 입술까지 길이를 예측하는 모델 정확도와 효능을 평가합니다.
|
ETT 고정의 적절한 깊이를 예측하기 위해 환자의 데이터와 함께 삽관 전 흉부 방사선 사진을 분석하기 위해 심층 합성곱 신경망을 사용합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 모델이 예측한 입술에서 카리나까지의 길이
기간: DCNN 분석 후 1분
|
측정된 길이와 비교하여 AI가 예측한 길이의 평균 절대 오차는 AI 성능을 평가하는 데 사용됩니다.
|
DCNN 분석 후 1분
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 모델 추천에 따른 기관내관 위치 이상 비율
기간: DCNN 분석 후 1분
|
Endotracheal tube malpositioning은 AI 추천의 안전성을 높이는 데 사용됩니다.
|
DCNN 분석 후 1분
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Lakhani P. Deep Convolutional Neural Networks for Endotracheal Tube Position and X-ray Image Classification: Challenges and Opportunities. J Digit Imaging. 2017 Aug;30(4):460-468. doi: 10.1007/s10278-017-9980-7.
- Lakhani P, Flanders A, Gorniak R. Endotracheal Tube Position Assessment on Chest Radiographs Using Deep Learning. Radiol Artif Intell. 2020 Nov 18;3(1):e200026. doi: 10.1148/ryai.2020200026. eCollection 2021 Jan.
- Eagle CC. The relationship between a person's height and appropriate endotracheal tube length. Anaesth Intensive Care. 1992 May;20(2):156-60. doi: 10.1177/0310057X9202000206.
- Varshney M, Sharma K, Kumar R, Varshney PG. Appropriate depth of placement of oral endotracheal tube and its possible determinants in Indian adult patients. Indian J Anaesth. 2011 Sep;55(5):488-93. doi: 10.4103/0019-5049.89880.
- Techanivate A, Rodanant O, Charoenraj P, Kumwilaisak K. Depth of endotracheal tubes in Thai adult patients. J Med Assoc Thai. 2005 Jun;88(6):775-81.
- Herway ST, Benumof JL. The tracheal accordion and the position of the endotracheal tube. Anaesth Intensive Care. 2017 Mar;45(2):177-188. doi: 10.1177/0310057X1704500207.
- Chong DY, Greenland KB, Tan ST, Irwin MG, Hung CT. The clinical implication of the vocal cords-carina distance in anaesthetized Chinese adults during orotracheal intubation. Br J Anaesth. 2006 Oct;97(4):489-95. doi: 10.1093/bja/ael186. Epub 2006 Jul 27.
- Conrardy PA, Goodman LR, Lainge F, Singer MM. Alteration of endotracheal tube position. Flexion and extension of the neck. Crit Care Med. 1976 Jan-Feb;4(1):8-12. doi: 10.1097/00003246-197601000-00002. No abstract available.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 202002007B0
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .