Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Konvolutionell neural nätverksmodell för att upptäcka Coronavirus Disease 2019 (COVID-19) Lunginflammation i bröströntgenbilder (RedNeumon)

20 februari 2023 uppdaterad av: Fundacion Clinica Valle del Lili

Den förutsägbara kapaciteten hos en Convolutional Neural Network (CNN)-modell för att upptäcka viral lunginflammation hos vuxna patienter med Coronavirus-sjukdom 2019 (COVID-19) i Cali, Colombia

Denna studie syftar till att designa ett Convolutional Neural Network (CNN) och tillämpa en uppmärksamhetsmodell för att hjälpa till att differentiera lunginflammation på grund av allvarligt akut respiratoriskt syndrom coronavirus 2 (SARS-CoV-2), lunginflammation på grund av andra virus/bakterier och normal bröstkorg. ray (CXR) i klinisk praxis. En bank med digitala bröstbilder från en högkomplex hälsoinrättning i Cali, Colombia, användes.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

För att skilja coronavirussjukdom 2019 (COVID-19) lunginflammation från andra typer av lunginflammation måste expertradiologer analysera lungröntgen (CXR) för att identifiera visuella, röntgenmönster associerade med allvarligt akut respiratoriskt syndrom coronavirus 2 (SARS-CoV-2) infektion. Det är utmanande eftersom fynden är likartade för olika typer av lunginflammation.

Eftersom den manuella diagnosen av COVID-19 från CXR är en svår och tidskrävande process, är tillämpningen av modeller för djupinlärning (DL) på medicinsk bildanalys ett aktuellt forskningsämne. Detta arbete kommer att utveckla ett nytt Convolutional Neural Network (CNN) för att upptäcka covid-19-röntgenbilder. Den kommer att använda ett stort dataset med röntgenbilder från bröstet klassificerade i tre klasser: viral/bakteriell lunginflammation, COVID-19-lunginflammation och normala bilder. Studien syftar till att införliva en ny uppmärksamhetsmodul som tillämpar CNN på linjär projektionsoperation för att hjälpa till att skilja COVID-19-lunginflammation från annan lunginflammation och normala bröströntgenbilder i klinisk praxis.

Studietyp

Observationell

Inskrivning (Faktisk)

3599

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

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

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Grupp 1: Röntgen utan förändringar i lungparenkym Grupp 2: Röntgen som tillhör patienter med en annan diagnos av lunginflammation än covid-19. Grupp 3: Röntgen som tillhör patienter med diagnosen covid-19 bekräftad av positiv Omvänd transkriptaspolymeraskedjereaktion (RT-PCR) och/eller närvaro av antikroppar mot covid-19 och/eller positivt covid-19 viralt antigen.

Beskrivning

Inklusionskriterier:

  • Bröströntgenbilder från patienter utan COVID-19 eller annan lunginflammation togs före pandemins startdatum (januari 2020)
  • Röntgenbilder från bröstet från patienter med covid-19 bekräftade av positiv omvänd transkriptaspolymeraskedjereaktion (RT-PCR) och/eller närvaro av antikroppar mot covid-19 och/eller positivt covid-19 viralt antigen.
  • Röntgenbilder från bröstet från patienter utan covid-19 bekräftade av en negativ omvänd transkriptaspolymeraskedjereaktion (RT-PCR) och andra lunginflammationsdiagnoser tagna före pandemins startdatum (januari 2020)

Exklusions kriterier:

  • N/A

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Covid-19 röntgenbilder av bröstet
Röntgen som tillhör patienter med diagnosen covid-19 bekräftad av positiv omvänd transkriptaspolymeraskedjereaktion (RT-PCR) och/eller närvaro av antikroppar mot covid-19 och/eller positivt covid-19 viralt antigen.
Övrig: Kategorisering av lungröntgenbilder
Användning av Convolutional Neural Network Model för att kategorisera lungröntgenbilder i varje grupp.
Andra lunginflammationer röntgenbilder av bröstet
Röntgen som tillhör patienter med annan diagnos av lunginflammation än covid-19
Övrig: Kategorisering av lungröntgenbilder
Användning av Convolutional Neural Network Model för att kategorisera lungröntgenbilder i varje grupp.
Normala röntgenbilder av bröstet
Röntgen utan förändringar i lungparenkymet
Övrig: Kategorisering av lungröntgenbilder
Användning av Convolutional Neural Network Model för att kategorisera lungröntgenbilder i varje grupp.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Covid-19 (coronavirus sjukdom 2019) lunginflammation bröströntgen identifierad
Tidsram: månad 8
Utveckling och bestämning av den prediktiva kapaciteten hos en Convolutional Neural Network-modell för att upptäcka viral lunginflammation i bröströntgenbilder av vuxna patienter med akut respiratorisk sjukdom sekundär till SARS-COV-2-infektion.
månad 8

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Fundacion Clinica Valle del Lili

Samarbetspartners

Universidad Autonoma de Occidente

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

26 augusti 2021

Primärt slutförande (Faktisk)

30 november 2022

Avslutad studie (Faktisk)

30 november 2022

Studieregistreringsdatum

Först inskickad

8 februari 2023

Först inskickad som uppfyllde QC-kriterierna

8 februari 2023

Första postat (Faktisk)

10 februari 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Uppskatta)

23 februari 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

20 februari 2023

Senast verifierad

1 februari 2023

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 1805

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Vi planerar inte att dela IPD, eftersom vi inte får dela information om våra patienters eller vårdpersonals medicinska historia.

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera