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

잠재 확산 모델을 사용한 HEp-2 세포 이미지 생성의 현실성: 다기관 시각적 튜링 테스트

2026년 9월 4일 업데이트: Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

잠재 확산 모델을 사용하여 합성된 ANA HEp-2 세포 이미지의 사실성 평가: 다기관 시각적 튜링 테스트

이 전향적 관찰 연구의 목적은 항핵항체(ANA) Hep-2 세포 면역형광 이미지에서 데이터 증대를 위한 잠재 확산 모델 활용의 타당성과 효능을 엄격하게 조사하는 것입니다. 대답하려는 주요 질문은 다음과 같습니다.

이러한 모델을 적용하면 ANA 관련 이미지와 함께 활용하면 잠재적으로 데이터 품질을 향상하고, 샘플 다양성을 높이거나, 후속 분석 프로세스(예: 질병 진단 및 분류)의 정확성과 효율성을 향상시킬 수 있습니까?

연구 개요

상태

모집하지 않고 적극적으로

정황

개입 / 치료

상세 설명

생의학 연구의 근본적인 문제는 주로 이용 가능한 생체 시료의 부족, 엄청난 비용 또는 윤리적 이유 때문에 이용 가능한 관찰 수가 적다는 것입니다. 생성된 in silico 샘플을 사용하여 몇 가지 실제 관찰을 강화하면 보다 강력한 분석 결과와 더 높은 재현율을 얻을 수 있습니다. 여기에서 연구자들은 ANA-IIF 이미지 데이터의 현실적인 생성을 위해 잠재 확산 모델과 함께 비지도 학습을 사용할 것을 제안합니다.

연구자들은 실제(진짜)와 가짜(가짜)를 구별하기 어려울 경우 ANA-IIF 이미지 생성이 현실적이 될 것이라고 가정합니다. 이 가설을 테스트하기 위해 조사관은 생성된(가짜) 이미지의 품질을 평가하기 위해 다중 센터 시각적 Turing 테스트(https://turing.rednoble.net/)를 제시합니다.

이 실험 설정을 통해 연구자는 생성된 ANA-IIF 이미지의 전반적인 품질을 검증할 수 있으며, 이는 (1) 교육 목적으로 세포병리학자를 교육하고 (2) 빅 데이터로 심층 네트워크를 교육하기 위한 현실적인 샘플을 생성하는 데 사용할 수 있습니다.

연구 유형

관찰

등록 (추정된)

300

연락처 및 위치

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

연구 장소

  • 중국
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, 중국, 200092
        • Department of Clinical Laboratory, Xinhua Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China

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

예

샘플링 방법

비확률 샘플

연구 인구

우리는 시각적 튜링 테스트에 참여할 항핵항체(ANA) 패턴 해석을 전문으로 하는 전 세계 여러 의료 기관의 임상 실험실에서 세포병리학자를 모집하고 있습니다.

설명

포함 기준:

  • 유명 의료기관 출신
  • 관련 자격증 및 자격을 보유하고 있는 분
  • 실험실 환경에서 항핵항체(ANA) 패턴을 해석하는 데 1년 이상의 경험이 있습니다.

제외 기준:

  • 관련 전문 자격증 및 자격이 부족함
  • ANA 패턴 해석 경험이 없음
  • 시각적 튜링 테스트의 규칙과 사전 동의를 받아들이지 않음

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
전문가
ANA-IIF 리딩 분야에서 20년 이상의 경험을 보유하고 있습니다.
행동: AI 모델 출력 결과 참조
AI 모델 출력 결과를 참조하거나 참조하지 않고 ANA 패턴 유형을 결정합니다.
주니어 세포병리학자
5년 미만의 학술 의료 경험
행동: AI 모델 출력 결과 참조
AI 모델 출력 결과를 참조하거나 참조하지 않고 ANA 패턴 유형을 결정합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
확산 모델로 합성된 이미지의 사실성
기간: 기준선

연구자들은 시각적 튜링 테스트(visual Turing test) 방법을 이용하여 연구를 진행하였고, 설문지 형식을 통해 측정하였으며, 측정 결과를 5점 Likert 척도를 이용하여 평가하였다.

5점 Likert 척도는 실제, 매우 유사함, 불확실함, 전혀 유사하지 않음, 가짜의 5가지 응답 옵션을 통해 이미지 품질에 대한 참가자의 의견을 평가합니다. 이러한 옵션에 숫자(예: 5~1)를 할당하고 각 참가자의 점수를 합산하여 점수를 계산합니다. 결과는 평균점수를 포함한 점수분포를 분석하고 신뢰도와 타당도를 평가하여 평가합니다.

또한 조사관은 정밀도, 재현율, F1 점수, 평균 평균 정밀도(mAP)를 포함하여 내부 모델 평가에 활용되는 다양한 매개변수를 계산했습니다.
기준선

2차 결과 측정

결과 측정
측정값 설명
기간
AI 모델의 출력이 참가자에게 미치는 영향
기간: 기준선
연구자는 AI 모델의 도움을 받기 전후 참가자의 해석 정확도 변화를 평가하고 비교 분석을 실시합니다. 또한 연구자는 인간의 해석과 모델 간의 카파 일치 계수를 계산하고, AI의 도움을 받을 때 다양한 경험 수준을 가진 세포병리학자 사이에 정확도에 차이가 있는지 평가합니다.
기준선
ANA 패턴 해석에 소요되는 시간
기간: 기준선
조사관은 참가자가 AI 모델 개입 전후 해석을 완료하는 데 걸리는 시간을 비교하여 AI 지원 전 X분에서 AI 지원 후 Y분으로 사례당 평균 해석 시간이 감소하는지 여부를 평가합니다.
기준선

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

수사관

  • 연구 책임자: Guangyu Chen, PhD, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

유용한 링크

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)

2025년 5월 10일

기본 완료 (추정된)

2028년 12월 30일

연구 완료 (추정된)

2029년 1월 30일

연구 등록 날짜

최초 제출

2024년 7월 23일

QC 기준을 충족하는 최초 제출

2024년 8월 2일

처음 게시됨 (실제)

2024년 8월 7일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 9월 10일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 9월 4일

마지막으로 확인됨

2026년 7월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • XH-24-007

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