Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Classificação Patológica de Nódulos Pulmonares em Imagens Usando Deep Learning

23 de janeiro de 2022 atualizado por: Haiyu Zhou, Jiangxi Provincial Cancer Hospital

Classificação patológica de nódulos pulmonares a partir de imagens macroscópicas de tumor usando aprendizado profundo

Este estudo teve como objetivo desenvolver um modelo de aprendizado profundo para classificar automaticamente nódulos pulmonares com base em imagens de luz branca e avaliar o desempenho do modelo. Além disso, a operação adequada pode ser escolhida com a ajuda deste modelo, o que pode encurtar o tempo da cirurgia.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Teste de diagnostico: modelo de aprendizado profundo baseado em fotos patológicas brutas

Descrição detalhada

Todas as fotografias de luz branca de nódulos pulmonares de telefones de adenocarcinoma in situ patologicamente confirmado (AIS), adenocarcinoma minimamente invasivo (MIA) e adenocarcinoma invasivo (IAC) foram coletadas retrospectivamente de pacientes consecutivos que foram submetidos à cirurgia entre 30 de junho de 2020 e 15 de setembro, 2021 no Guangdong Provincial People's Hospital. Finalmente, um total de 1037 imagens de luz branca de 973 indivíduos foram incluídas no estudo. Todo o conjunto de dados foi dividido em conjuntos de dados de treinamento e teste, que eram mutuamente exclusivos, usando amostragem aleatória. Destas, 830 imagens foram usadas como conjunto de dados de treinamento e 104 imagens foram usadas como conjunto de dados de teste. Na classificação das imagens foi utilizado o modelo CNN, a saber, Resnet-50. Para o modelo CNN, o modelo pré-treinado com o ImageNet Dataset foi adotado usando aprendizado de transferência. Depois de construir os modelos CNN usando o conjunto de dados de treinamento, o desempenho dos modelos foi avaliado usando o conjunto de dados de teste e o conjunto de dados de validação prospectiva.

Tipo de estudo

Observacional

Inscrição (Antecipado)

2000

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Nome: Haiyu Zhou
Número de telefone: +8613710342002
E-mail: lungcancer@163.com

Estude backup de contato

Nome: Shaowei Wu
Número de telefone: +8613411965219
E-mail: shaoweiwu0401@gmail.com

Locais de estudo

China
- Guangdong
  - Guangzhou, Guangdong, China, 510000
    - Recrutamento
    - Guagndong Provincial People's Hospital
    - Contato:
      
      Haiyu Zhou, PhD
      
      Número de telefone: *8613710342002
      
      E-mail: lungcancer@163.com
- Jiangxi
  - Nanchang, Jiangxi, China, 330000
    - Recrutamento
    - Jiangxi Cancer Hospital

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos a 80 anos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

Pacientes no Hospital Popular Provincial de Guangdong de 30 de junho de 2020 a 15 de setembro de 2021.

Descrição

Critério de inclusão:

Masculino ou feminino, 18 anos ou mais.
Os pacientes não foram submetidos a nenhuma terapia.
Os nódulos pulmonares foram confirmados como AIS, MIA ou IAC.
Os tamanhos dos nódulos pulmonares eram menores que 3cm.
As imagens eram em formato jpg.

Critério de exclusão:

Sofrendo de outra doença tumoral antes ou ao mesmo tempo.
Imagens com baixa qualidade ou baixa resolução que impossibilitam a classificação adequada.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado	Descrição da medida	Prazo
1. Subtipo patológico Prazo: até a conclusão do estudo, uma média de 2 anos	De acordo com a classificação de tumores pulmonares da OMS em 2020, este estudo classifica os tumores pulmonares em adenocarcinoma in situ (AIS), adenocarcinoma minimamente invasivo (MIA) e adenocarcinoma invasivo (IAC). Coletaríamos os laudos do tipo patológico dos nódulos pulmonares após a cirurgia.	até a conclusão do estudo, uma média de 2 anos
Área sob a curva (AUC) Prazo: até a conclusão do estudo, uma média de 2 anos	A área sob a curva ROC com base na eficiência de previsão do modelo	até a conclusão do estudo, uma média de 2 anos

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Jiangxi Provincial Cancer Hospital

Colaboradores

Guangdong Provincial People's Hospital

Investigadores

Investigador principal: Haiyu Zhou, Guangdong Provincial People's Hospital

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de junho de 2020

Conclusão Primária (Antecipado)

1 de junho de 2022

Conclusão do estudo (Antecipado)

1 de janeiro de 2023

Datas de inscrição no estudo

Enviado pela primeira vez

5 de janeiro de 2022

Enviado pela primeira vez que atendeu aos critérios de CQ

23 de janeiro de 2022

Primeira postagem (Real)

3 de fevereiro de 2022

Atualizações de registro de estudo

Última Atualização Postada (Real)