Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Convolutioneel neuraal netwerkmodel voor detectie van coronavirusziekte 2019 (COVID-19) longontsteking in thoraxfoto's (RedNeumon)

20 februari 2023 bijgewerkt door: Fundacion Clinica Valle del Lili

Het voorspellende vermogen van een Convolutional Neural Network (CNN)-model om virale longontsteking te detecteren bij volwassen patiënten met de ziekte van Coronavirus 2019 (COVID-19) in Cali, Colombia

Deze studie heeft tot doel een convolutioneel neuraal netwerk (CNN) te ontwerpen en een aandachtsmodel toe te passen om longontsteking als gevolg van Severe Acute Respiratory Syndrome coronavirus 2 (SARS-CoV-2), longontsteking als gevolg van andere virussen/bacteriën en normale borst x- te helpen differentiëren. straal (CXR) in de klinische praktijk. Er werd gebruik gemaakt van een bank met digitale borstbeelden van een zeer complexe gezondheidsinstelling in Cali, Colombia.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Om longontsteking door coronavirusziekte 2019 (COVID-19) te onderscheiden van andere soorten longontsteking, moeten deskundige radiologen de thoraxfoto (CXR) analyseren om visuele, radiografische patronen te identificeren die verband houden met Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infectie. Het is een uitdaging omdat de bevindingen vergelijkbaar zijn voor verschillende soorten longontsteking.

Aangezien de handmatige diagnose van COVID-19 vanuit CXR een moeilijk en tijdrovend proces is, is het toepassen van deep learning (DL)-modellen op medische beeldanalyse een actueel onderzoeksonderwerp. Dit werk zal een nieuw Convolutional Neural Network (CNN) ontwikkelen om COVID-19-röntgenfoto's te detecteren. Het zal een grote dataset van thoraxfoto's gebruiken, ingedeeld in drie klassen: virale/bacteriële pneumonie, COVID-19-pneumonie en normale beelden. De studie heeft tot doel een nieuwe aandachtsmodule op te nemen die CNN's toepast op de lineaire projectieoperatie om COVID-19-longontsteking te onderscheiden van andere longontsteking en normale thoraxfoto's in de klinische praktijk.

Studietype

Observationeel

Inschrijving (Werkelijk)

3599

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Colombia
    • Valle Del Cauca
      • Cali, Valle Del Cauca, Colombia, 760001
        • Fundacion Valle del Lili

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Ja

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Groep 1: Röntgenfoto's zonder afwijkingen in het longparenchym Groep 2: Röntgenfoto's van patiënten met een andere diagnose longontsteking dan COVID-19 Groep 3: Röntgenfoto's van patiënten met positief bevestigde diagnose COVID-19 Reverse Transcriptase-polymerasekettingreactie (RT-PCR) en/of aanwezigheid van antilichamen tegen COVID-19 en/of positief COVID-19 viraal antigeen.

Beschrijving

Inclusiecriteria:

  • Röntgenfoto's van de borst van patiënten zonder COVID-19 of andere longontsteking, gemaakt vóór de startdatum van de pandemie (januari 2020)
  • Röntgenfoto's van de borst van patiënten met COVID-19 bevestigd door positieve Reverse Transcriptase-polymerasekettingreactie (RT-PCR) en/of aanwezigheid van antilichamen tegen COVID-19 en/of positief COVID-19 viraal antigeen.
  • Röntgenfoto's van de borst van patiënten zonder COVID-19 bevestigd door een negatieve Reverse Transcriptase-polymerasekettingreactie (RT-PCR) en andere longontstekingsdiagnoses genomen vóór de startdatum van de pandemie (januari 2020)

Uitsluitingscriteria:

  • NVT

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
COVID-19 thoraxfoto's
Röntgenfoto's van patiënten met een diagnose van COVID-19 bevestigd door positieve Reverse Transcriptase-polymerasekettingreactie (RT-PCR) en/of aanwezigheid van antilichamen tegen COVID-19 en/of positief COVID-19 viraal antigeen.
Ander: Categorisering van thoraxfoto's
Gebruik van convolutioneel neuraal netwerkmodel om thoraxfoto's in elke groep te categoriseren.
Andere longontsteking thoraxfoto's
Röntgenfoto's van patiënten met een andere diagnose longontsteking dan COVID-19
Ander: Categorisering van thoraxfoto's
Gebruik van convolutioneel neuraal netwerkmodel om thoraxfoto's in elke groep te categoriseren.
Normale thoraxfoto's
Röntgenfoto's zonder veranderingen in het longparenchym
Ander: Categorisering van thoraxfoto's
Gebruik van convolutioneel neuraal netwerkmodel om thoraxfoto's in elke groep te categoriseren.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
COVID-19 (coronavirusziekte 2019) longontsteking thoraxfoto geïdentificeerd
Tijdsspanne: maand 8
Ontwikkeling en bepaling van het voorspellend vermogen van een Convolutional Neural Network-model om virale pneumonie te detecteren in thoraxfoto's van volwassen patiënten met acute respiratoire aandoeningen secundair aan SARS-COV-2-infectie.
maand 8

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Fundacion Clinica Valle del Lili

Medewerkers

Universidad Autonoma de Occidente

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

26 augustus 2021

Primaire voltooiing (Werkelijk)

30 november 2022

Studie voltooiing (Werkelijk)

30 november 2022

Studieregistratiedata

Eerst ingediend

8 februari 2023

Eerst ingediend dat voldeed aan de QC-criteria

8 februari 2023

Eerst geplaatst (Werkelijk)

10 februari 2023

Updates van studierecords

Laatste update geplaatst (Schatting)

23 februari 2023

Laatste update ingediend die voldeed aan QC-criteria

20 februari 2023

Laatst geverifieerd

1 februari 2023

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 1805

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

We zijn niet van plan om IPD te delen, aangezien we geen informatie over de medische geschiedenis van onze patiënten of gezondheidswerkers mogen delen.

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren