此页面是自动翻译的，不保证翻译的准确性。请参阅 英文版 对于源文本。

用于 A.I 的 Covid 射线照相图像数据集 (CORDA)

2020年6月4日 更新者：Giorgio Limerutti、Azienda Ospedaliera Città della Salute e della Scienza di Torino
使用广泛且简单的胸部 X 光 (CXR) 成像对 COVID-19 患者进行早期筛查的可能性引起了临床和人工智能社区的极大兴趣。 在这项研究中，我们通过将深度学习应用于 CXR 图像的 COVID 分类，提供了一些见解，并就合理预期提出了警告。 我们提供了一个方法论指南和对一组广泛的统计结果的批判性阅读，这些结果可以使用当前可用的数据集获得。 特别是，我们接受了当前小型 COVID 数据带来的挑战，并展示了使用更大的公共非 COVID CXR 数据集进行迁移学习所引入的偏差有多大。 我们还通过提供中等规模的 COVID CXR 数据集的结果做出贡献，该数据集刚刚由意大利北部的一家主要急救医院在 COVID 大流行高峰期间收集。 这些新数据使我们能够为验证在科学界流传的初步结果的泛化能力做出贡献。 我们的结论揭示了使用 CXR 有效区分 COVID 的可能性。

研究概览

地位

未知

条件

干预/治疗

详细说明

COVID-19 病毒已在中国大陆迅速传播并传播到全球多个国家。 截至 2020 年 4 月 7 日，在受影响最严重的国家之一意大利，记录了 135,586 名 COVID19 患者，其中 17,127 人死亡；在撰写本文时，皮埃蒙特是意大利第三大受影响最严重的地区，记录在案的病例为 13,343 例。 早期诊断是正确治疗患者和预防疾病传播的关键因素。 鉴于 COVID-19 对呼吸道和肺上皮细胞的高度趋向性，识别感染患者的肺部受累可能与疾病的治疗和监测相关。 目前认为病毒检测是唯一的特异性诊断方法。 美国疾病控制中心 (CDC) 建议从上呼吸道（鼻咽和口咽拭子）或可用的下呼吸道（支气管肺泡灌洗液，BAL）收集和检测标本，以通过逆转录聚合酶链反应进行病毒检测(RT-PCR) 测定。 放射学会（Fleischner Society、SIRM、RSNA）的当前立场文件不建议常规使用影像学诊断 COVID-19。

然而，已经广泛证明，即使在疾病的早期阶段，胸部 X 光 (CXR) 和计算机断层扫描 (CT) 扫描也可以显示病理结果。 应该注意的是，它们实际上是非特异性的，并且与其他病毒感染（如流感、H1N1、SARS 和 MERS）重叠：大多数作者报告外周双侧边界不清和磨玻璃影，主要累及下叶，进行性随着疾病变得更严重并导致弥漫性实质实变，范围增加，CT 是早期检测周围毛玻璃混浊的敏感工具；然而，就卫生专业人员和其他患者的安全而言，CT 成像在这些患者中的常规作用在后勤方面具有挑战性，并且可能使可用资源不堪重负。 胸部 X 光检查可能是一种有用的工具，尤其是在紧急情况下：它可以帮助排除其他可能的肺部“noxa”，允许对肺部受累程度进行初步粗略评估，最重要的是可以在病床上使用便携式设备获得，限制医护人员和其他患者可能接触到的物质。 此外，可以随时间重复 CXR 以监测肺部疾病的演变。

方法：

我们描述了基于相当标准管道的深度学习方法，即胸部图像预处理和肺部分割，然后是通过迁移学习获得的分类模型。 正如我们将在本节中看到的，数据预处理是消除数据中存在的任何偏差的基础。 特别是，我们将展示深度模型很容易识别这些驱动学习过程的偏差。 鉴于 COVID 数据集的规模较小，用于预训练的较大数据集发挥了关键作用。 因此，我们首先讨论哪些数据集可用于我们的目标。

研究类型

观察性的

注册 (预期的)

2500

联系人和位置

本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。

学习地点

  • 意大利
    • Turin
      • Torino、Turin、意大利、10126
        • 招聘中
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • 接触：
        • 首席研究员：
          • Giorgio Limerutti, M.D.
        • 副研究员：
          • Paolo Fonio, M.D.
        • 副研究员：
          • Marco Grosso, M.Sc.
        • 副研究员：
          • Stefano Tibaldi, M.Sc.
        • 副研究员：
          • Simona Capello, M.D.
        • 副研究员：
          • Patrizia Sardo, M.D.
        • 副研究员：
          • Claudio Berzovini, M.D.
        • 副研究员：
          • Francesca Santinelli, M.Sc.
        • 副研究员：
          • Marco Calandri, M.D.
        • 副研究员：
          • Andrea Ferraris, M.D.

参与标准

研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

  • 成人
  • OLDER_ADULT
  • 孩子

接受健康志愿者

不

有资格学习的性别

全部

取样方法

非概率样本

研究人群

所有在放射科接受治疗的人

描述

纳入标准：在急诊室或住院期间进行的胸部 X 光检查

-

排除标准：

  • 没有任何

学习计划

本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。

研究是如何设计的？

设计细节

队列和干预

团体/队列
干预/治疗
间质性肺炎病例
胸部X线诊断
诊断测试：神经网络诊断算法
我们将胸部 X 射线照相图像输入神经网络，用于教授网络自动诊断间质性肺炎
阴性对照
肺炎胸部 X 光阴性
诊断测试：神经网络诊断算法
我们将胸部 X 射线照相图像输入神经网络，用于教授网络自动诊断间质性肺炎

研究衡量的是什么？

主要结果指标

结果测量
措施说明
大体时间
神经网络诊断的敏感性和特异性
大体时间：在第 0 天
神经网络诊断与人类诊断相比的敏感性和特异性
在第 0 天

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

赞助

Azienda Ospedaliera Città della Salute e della Scienza di Torino

合作者

University of Turin, Italy
Azienda Ospedaliera Ordine Mauriziano di Torino

调查人员

  • 首席研究员：Giorgio Limerutti, M.D.、Radiology Unit A.O.U. Città della Salute e della Scienza

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2020年3月24日

初级完成 (预期的)

2020年12月31日

研究完成 (预期的)

2021年3月31日

研究注册日期

首次提交

2020年6月4日

首先提交符合 QC 标准的

2020年6月4日

首次发布 (实际的)

2020年6月5日

研究记录更新

最后更新发布 (实际的)

2020年6月5日

上次提交的符合 QC 标准的更新

2020年6月4日

最后验证

2020年6月1日

更多信息

与本研究相关的术语

其他研究编号

  • CORDA

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)？

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.

订阅