Klasyfikacja patologiczna guzków płucnych na obrazach z wykorzystaniem głębokiego uczenia
23 stycznia 2022 zaktualizowane przez: Haiyu Zhou, Jiangxi Provincial Cancer Hospital
Klasyfikacja patologiczna guzków płucnych na podstawie obrazów brutto guza przy użyciu głębokiego uczenia
Badanie to miało na celu opracowanie modelu głębokiego uczenia się do automatycznej klasyfikacji guzków płucnych na podstawie obrazów w świetle białym oraz do oceny wydajności modelu.
Poza tym za pomocą tego modelu można było dobrać odpowiednią operację, co mogłoby skrócić czas operacji.
Przegląd badań
Status
Rekrutacyjny
Warunki
Interwencja / Leczenie
Szczegółowy opis
Wszystkie zdjęcia w świetle białym guzków płucnych z telefonów z patologicznie potwierdzonym gruczolakorakiem in situ (AIS), minimalnie inwazyjnym gruczolakorakiem (MIA) i inwazyjnym gruczolakorakiem (IAC) zostały retrospektywnie pobrane od kolejnych pacjentów, którzy przeszli operację między 30 czerwca 2020 r. a 15 września, 2021 w Guangdong Provincial People's Hospital. Ostatecznie do badania włączono łącznie 1037 zdjęć w świetle białym od 973 osób.
Cały zbiór danych podzielono na zbiory uczące i testowe, które wzajemnie się wykluczały, przy użyciu losowego doboru próby.
Spośród nich 830 obrazów wykorzystano jako zestaw danych szkoleniowych, a 104 obrazy jako zestaw danych testowych.
Do klasyfikacji obrazów wykorzystano model CNN, czyli Resnet-50.
W przypadku modelu CNN przyjęto wstępnie wytrenowany model z zestawem danych ImageNet przy użyciu uczenia transferu.
Po zbudowaniu modeli CNN przy użyciu zestawu danych szkoleniowych oceniono wydajność modeli przy użyciu zestawu danych testowych i zestawu danych prospektywnej walidacji.
Typ studiów
Obserwacyjny
Zapisy (Oczekiwany)
2000
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Kontakt w sprawie studiów
- Nazwa: Haiyu Zhou
- Numer telefonu: +8613710342002
- E-mail: lungcancer@163.com
Kopia zapasowa kontaktu do badania
- Nazwa: Shaowei Wu
- Numer telefonu: +8613411965219
- E-mail: shaoweiwu0401@gmail.com
Lokalizacje studiów
-
-
Guangdong
-
Guangzhou, Guangdong, Chiny, 510000
- Rekrutacyjny
- Guagndong Provincial People's Hospital
-
Kontakt:
- Haiyu Zhou, PhD
- Numer telefonu: *8613710342002
- E-mail: lungcancer@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, Chiny, 330000
- Rekrutacyjny
- Jiangxi Cancer Hospital
-
-
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
18 lat do 80 lat (Dorosły, Starszy dorosły)
Akceptuje zdrowych ochotników
Nie
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Pacjenci w szpitalu ludowym prowincji Guangdong od 30 czerwca 2020 r. do 15 września 2021 r.
Opis
Kryteria przyjęcia:
- Mężczyzna lub kobieta, 18 lat i więcej.
- Pacjenci nie przeszli żadnej terapii.
- Guzki płucne potwierdzono jako AIS, MIA lub IAC.
- Wielkość guzków płucnych była mniejsza niż 3 cm.
- Zdjęcia były w formacie jpg.
Kryteria wyłączenia:
- Cierpienie na inną chorobę nowotworową przed lub w tym samym czasie.
- Zdjęcia o słabej jakości lub niskiej rozdzielczości, które uniemożliwiały właściwą klasyfikację.
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
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
1. Podtyp patologiczny
Ramy czasowe: do ukończenia studiów, średnio 2 lata
|
Zgodnie z klasyfikacją guzów płuc WHO w 2020 r., w tym badaniu guzy płuc klasyfikuje się jako gruczolakorak in situ (AIS), gruczolakorak minimalnie inwazyjny (MIA) i gruczolakorak inwazyjny (IAC).
Zbieralibyśmy zgłoszenia o typie patologicznym guzków płucnych po operacji.
|
do ukończenia studiów, średnio 2 lata
|
|
Pole pod krzywą (AUC)
Ramy czasowe: do ukończenia studiów, średnio 2 lata
|
Pole pod krzywą ROC oparto na skuteczności predykcji modelu
|
do ukończenia studiów, średnio 2 lata
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Współpracownicy
Śledczy
- Główny śledczy: Haiyu Zhou, Guangdong Provincial People's 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 czerwca 2020
Zakończenie podstawowe (Oczekiwany)
1 czerwca 2022
Ukończenie studiów (Oczekiwany)
1 stycznia 2023
Daty rejestracji na studia
Pierwszy przesłany
5 stycznia 2022
Pierwszy przesłany, który spełnia kryteria kontroli jakości
23 stycznia 2022
Pierwszy wysłany (Rzeczywisty)
3 lutego 2022
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
3 lutego 2022
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
23 stycznia 2022
Ostatnia weryfikacja
1 stycznia 2022
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 2021ky228
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Tak
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
produkt wyprodukowany i wyeksportowany z USA
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 .