Towards large-scale case-finding: training and validation of residual networks for detection of chronic obstructive pulmonary disease using low-dose CT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Chronic obstructive pulmonary disease (COPD) is underdiagnosed in the community. Thoracic CT scans are widely used for diagnostic and screening purposes for lung cancer. In this proof-of-concept study, we aimed to evaluate a software pipeline for the automated detection of COPD, based on deep learning and a dataset of low-dose CTs that were performed for early detection of lung cancer. METHODS: We examined the use of deep residual networks, a type of artificial residual network, for the automated detection of COPD. Three versions of the residual networks were independently trained to perform COPD diagnosis using random subsets of CT scans collected from the PanCan study, which enrolled ex-smokers and current smokers at high risk of lung cancer, and evaluated the networks using three-fold cross-validation experiments. External validation was performed using 2153 CT scans acquired from a separate cohort of individuals with COPD in the ECLIPSE study. Spirometric data were used to define COPD, with stages defined according to the GOLD criteria. FINDINGS: The best performing networks achieved an area under the receiver operating characteristic curve (AUC) of 0·889 (SD 0·017) in three-fold cross-validation experiments. When the same set of networks was applied to the ECLIPSE cohort without any modifications to the trained models, they achieved an AUC of 0·886 (0·017), a positive predictive value of 0·847 (0·056), and a negative predictive value of 0·755 (0·097), which is a greater performance than the best quantitative CT measure, the percentage of lung volumes of less than or equal to -950 Hounsfield units (AUC 0·742). INTERPRETATION: Our proposed approach could identify patients with COPD among ex-smokers and current smokers without a previous diagnosis of COPD, with clinically acceptable performance. The use of deep residual networks on chest CT scans could be an effective case-finding tool for COPD detection and diagnosis, particularly in ex-smokers and current smokers who are being screened for lung cancer. FUNDING: Data Science Institute, University of British Columbia; Canadian Institutes of Health Research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle