Potencjał głębokiego uczenia się w ocenie pylicy płuc przedstawionej na cyfrowym radiografii klatki piersiowej
8 lipca 2021 zaktualizowane przez: Peking University Third Hospital
Zbadaj potencjał głębokiego uczenia się w ocenie pylicy płuc przedstawionej na cyfrowych radiogramach klatki piersiowej i porównaj jego skuteczność z certyfikowanymi radiologami
Pylica płuc jest stosunkowo powszechna w krajach o niskich/średnich dochodach, a dokładne i wiarygodne rozpoznanie pylicy pozostaje trudnym zadaniem.
Badacze wdrożyli rozwiązanie do głębokiego uczenia się i wyjaśnili jego potencjał w diagnostyce pylicy płuc, porównując jego działanie z wynikami dwóch certyfikowanych radiologów.
Głębokie uczenie wykazało wyjątkowy potencjał w klasyfikowaniu pylicy płuc.
Przegląd badań
Status
Zakończony
Warunki
Interwencja / Leczenie
Szczegółowy opis
Badacze retrospektywnie zebrali zestaw danych składający się z 1881 zdjęć rentgenowskich klatki piersiowej w postaci radiografii cyfrowej.
Obrazy te zostały uzyskane podczas badań przesiewowych osób, które w przeszłości pracowały w środowisku narażonym na szkodliwy pył.
Wśród tych osób u 923 zdiagnozowano pylicę płuc, a 958 było w normie.
Aby zidentyfikować osoby z pylicą płuc, badacze zastosowali do tych zestawów obrazów klasyczną głęboką konwolucyjną sieć neuronową (CNN) o nazwie Inception-V3 i zweryfikowali wydajność klasyfikacji wyszkolonych modeli przy użyciu obszaru pod krzywą charakterystyki działania odbiornika (AUC).
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
1881
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Nie
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Spośród tych osób u 923 zdiagnozowano pylicę płucną, u 958 było to w normie.
Wśród tych osób 163 stanowiły kobiety.
Opis
Kryteria przyjęcia:
- pracownicy przemysłowi z historią narażenia na pył i przeszli badanie przesiewowe DR w kierunku pylicy płuc w latach 2015-2018
Kryteria wyłączenia:
- pacjentów ze słabą jakością obrazu
- pacjentów z niepełnymi danymi klinicznymi
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Tylko przypadek
- Perspektywy czasowe: Z mocą wsteczną
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
konwolucyjna sieć neuronowa (CNN)
klasyczna głęboka splotowa sieć neuronowa (CNN) o nazwie Inception-V3 została zastosowana do zestawów obrazów i zweryfikowana wydajność klasyfikacji wyszkolonych modeli
|
Architektura CNN o nazwie architektura U-Net
Inne nazwy:
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
rozpoznanie pylicy płuc
Ramy czasowe: do 6 miesięcy
|
Rozpoznanie i stopień zaawansowania pylicy płucnej zostały przeprowadzone przez panel ekspertów składający się z dyplomowanych radiologów i lekarzy medycyny pracy.
Rozpoznanie pylicy płucnej zostało potwierdzone na podstawie wywiadu i wcześniejszej dokumentacji medycznej (zdjęcia rentgenowskie klatki piersiowej i badania czynnościowe płuc).
|
do 6 miesięcy
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Śledczy
- Krzesło do nauki: Xiaohua Wang, Peking University Third Hospital
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
1 stycznia 2015
Zakończenie podstawowe (Rzeczywisty)
31 grudnia 2018
Ukończenie studiów (Rzeczywisty)
31 grudnia 2019
Daty rejestracji na studia
Pierwszy przesłany
28 czerwca 2021
Pierwszy przesłany, który spełnia kryteria kontroli jakości
8 lipca 2021
Pierwszy wysłany (Rzeczywisty)
15 lipca 2021
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
15 lipca 2021
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
8 lipca 2021
Ostatnia weryfikacja
1 czerwca 2021
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- M2019467
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Nie
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .