DEVELOPMENT OF A CLINICAL IMAGE ANALYSIS MODEL AIMING TO SUPPORT MEDICAL DIAGNOSIS DURING COVID-19 PANDEMIC (Q4225702)
Jump to navigation
Jump to search
Project Q4225702 in Italy
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | DEVELOPMENT OF A CLINICAL IMAGE ANALYSIS MODEL AIMING TO SUPPORT MEDICAL DIAGNOSIS DURING COVID-19 PANDEMIC |
Project Q4225702 in Italy |
Statements
230,013.04 Euro
0 references
460,026.09 Euro
0 references
50.0 percent
0 references
MIKAMAI SRL
0 references
LOOPTRIBE S.R.L.
0 references
CENTRO DI RICERCA, SVILUPPO E STUDI SUPERIORI IN SARDEGNA SOCIETA' A RESPONSABILITA' LIMITATA ED IN FORMA ABBREVIATA CRS4 S.R.L.
0 references
ISTITUTO AUXOLOGICO ITALIANO
0 references
ASST FATEBENEFRATELLI SACCO
0 references
45°46'46.49"N, 10°25'33.13"E
0 references
IL PROGETTO HA COME OBIETTIVO DI PREDISPORRE UN SISTEMA DI STUDIO BASATO SULL INTELLIGENZA ARTIFICIALE (AI) IN GRADO DI ANALIZZARE LE IMMAGINI ECOCARDIOGRAFICHE, LE ECOGRAFIE POLMONARI E LE IMMAGINI RADIOGRAFICHE POLMONARI DI PAZIENTI MAGGIORENNI (COVID-19 NEGATIVI, COVID-19 POSITIVI E PAZIENTI CON ARDS-COVID-19 RICOVERATI NEI REPARTI DEGLI OSPEDALI DEL PARTENARIATO), UNITAMENTE ALLE INFORMAZIONI DI REFERTO, COSì DA COSTRUIRE UN DATASET UTILE ALL ADDESTRAMENTO DEL MODELLO DI MACHINE LEARNING FINO A SELEZIONARE IL MODELLO IN GRADO DI FORNIRE LA PREVISIONE PIù ACCURATA DI DIAGNOSI. TALE MODELLO PRODURRà UNA CLASSIFICAZIONE BINARIA DELLA PROBABILITà DI DIAGNOSI DI NON-PATOLOGIA DA COVID-19 OPPURE DI PATOLOGIA DA COVID-19 PER SUPPORTARE I CLINICI NELLA DIAGNOSI - IN TERMINI DI PRECOCITà , MINORE DIFFICOLTà NELLA DIAGNOSI DIFFERENZIALE,STRATIFICAZIONE DEL RISCHIO E INIZIO TEMPESTIVO DELLA TERAPIA OTTIMALE- E NEL FOLLOW UP (IN TERMINI DI PREDITTORI PRECOCI DI DECORSO CLINICO SFAVOREVO (Italian)
0 references
THE PROJECT AIMS TO SET UP AN ARTIFICIAL INTELLIGENCE-BASED STUDY SYSTEM (AI) ABLE TO ANALYSE ECHOCARDIOGRAPHIC IMAGES, PULMONARY ULTRASOUND AND X-RAY IMAGES OF ADULT PATIENTS (COVID-19 NEGATIVE, COVID-19 POSITIVE AND ARDS-COVID-19 PATIENTS HOSPITALISED IN THE PARTNERSHIP HOSPITALS), TOGETHER WITH THE REPORTING INFORMATION, SO AS TO BUILD A DATASET USEFUL FOR THE TRAINING OF THE MACHINE LEARNING MODEL UNTIL SELECTING THE MODEL CAPABLE OF PROVIDING THE MOST ACCURATE PREDICTION OF DIAGNOSIS. THIS MODEL WILL PRODUCE A BINARY CLASSIFICATION OF THE PROBABILITY OF DIAGNOSIS OF NON-PATHOLOGY FROM COVID-19 OR COVID-19 PATHOLOGY TO SUPPORT CLINICIANS IN DIAGNOSIS — IN TERMS OF EARLYNESS, LESS DIFFICULTY IN DIFFERENTIAL DIAGNOSIS, RISK STRATIFICATION AND EARLY INITIATION OF OTTIMAL THERAPY- AND FOLLOW-UP (IN TERMS OF EARLY PREDICTORS OF ADVERSE CLINICAL COURSE (English)
1 February 2022
0 references
LE PROJET VISE À METTRE EN PLACE UN SYSTÈME D’ÉTUDE BASÉ SUR L’INTELLIGENCE ARTIFICIELLE (IA) CAPABLE D’ANALYSER DES IMAGES ÉCHOCARDIOGRAPHIQUES, DES ÉCHOGRAPHIES PULMONAIRES ET DES IMAGES RADIOGRAPHIQUES DE PATIENTS ADULTES (COVID-19 NÉGATIF, COVID-19 POSITIF ET ARDS-COVID-19 HOSPITALISÉS DANS LES HÔPITAUX PARTENAIRES), AINSI QUE LES INFORMATIONS DE DÉCLARATION, DE MANIÈRE À CONSTRUIRE UN ENSEMBLE DE DONNÉES UTILE POUR LA FORMATION DU MODÈLE D’APPRENTISSAGE AUTOMATIQUE JUSQU’À LA SÉLECTION DU MODÈLE CAPABLE DE FOURNIR LA PRÉDICTION LA PLUS PRÉCISE DU DIAGNOSTIC. CE MODÈLE PRODUIRA UNE CLASSIFICATION BINAIRE DE LA PROBABILITÉ DE DIAGNOSTIC DE NON-PATHOLOGIE À PARTIR DE LA PATHOLOGIE COVID-19 OU COVID-19 AFIN DE SOUTENIR LES CLINICIENS DANS LE DIAGNOSTIC — EN TERMES DE PRÉCOCE, MOINS DE DIFFICULTÉ DANS LE DIAGNOSTIC DIFFÉRENTIEL, STRATIFICATION DES RISQUES ET DÉBUT PRÉCOCE DE LA TÉRAPIE OTTIMALE- ET SUIVI (EN TERMES DE PRÉDICTEURS PRÉCOCES DE COURS CLINIQUES INDÉSIRABLES (French)
2 February 2022
0 references
DAS PROJEKT ZIELT DARAUF AB, EIN AUF KÜNSTLICHER INTELLIGENZ BASIERENDES STUDIENSYSTEM (KI) EINZURICHTEN, DAS ECHOKARDIOGRAFISCHE BILDER, LUNGEN-ULTRASCHALL- UND RÖNTGENBILDER VON ERWACHSENEN PATIENTEN (COVID-19 NEGATIV, COVID-19-POSITIVE UND ARDS-COVID-19-PATIENTEN, DIE IN DEN PARTNERSCHAFTSKLINIKEN STATIONIERT SIND) ZUSAMMEN MIT DEN BERICHTSDATEN ANALYSIEREN KANN, UM EINEN DATENSATZ ZU ERSTELLEN, DER FÜR DIE AUSBILDUNG DES MODELLS DES MASCHINELLEN LERNENS NÜTZLICH IST, BIS ZUR AUSWAHL DES MODELLS, DAS IN DER LAGE IST, DIE GENAUESTE VORHERSAGE DER DIAGNOSE ZU LIEFERN. DIESES MODELL WIRD EINE BINÄRE KLASSIFIZIERUNG DER WAHRSCHEINLICHKEIT DER DIAGNOSE VON NICHTPATHOLOGIE AUS COVID-19 ODER COVID-19 PATHOLOGIE ZUR UNTERSTÜTZUNG VON KLINIKERN BEI DER DIAGNOSE ERSTELLEN – IN BEZUG AUF FRÜHE, WENIGER SCHWIERIGKEITEN BEI DER DIFFERENTIALDIAGNOSE, RISIKOSCHICHTUNG UND FRÜHZEITIGE EINLEITUNG VON OTTIMAL THERAPY- UND FOLLOW-UP (IN BEZUG AUF FRÜHZEITIGE VORHERSAGER FÜR NEGATIVE KLINISCHE KURSE) (German)
3 February 2022
0 references
HET PROJECT HEEFT TOT DOEL EEN OP KUNSTMATIGE INTELLIGENTIE GEBASEERD STUDIESYSTEEM (AI) OP TE ZETTEN DAT ECHOCARDIOGRAFISCHE BEELDEN, LONGECHO’S EN RÖNTGENBEELDEN VAN VOLWASSEN PATIËNTEN (COVID-19 NEGATIEF, COVID-19 POSITIEF EN ARDS-COVID-19 PATIËNTEN DIE IN DE PARTNERZIEKENHUIZEN ZIJN OPGENOMEN) KAN ANALYSEREN, SAMEN MET DE RAPPORTAGE-INFORMATIE, TENEINDE EEN DATASET OP TE BOUWEN DIE NUTTIG IS VOOR DE OPLEIDING VAN HET MACHINE LEARNING-MODEL TOTDAT HET MODEL WORDT GESELECTEERD DAT DE MEEST NAUWKEURIGE DIAGNOSEVOORSPELLING KAN BIEDEN. DIT MODEL ZAL EEN BINAIRE CLASSIFICATIE OPLEVEREN VAN DE WAARSCHIJNLIJKHEID VAN DE DIAGNOSE VAN NIET-PATHOLOGIE VAN COVID-19 OF COVID-19-PATHOLOGIE TER ONDERSTEUNING VAN CLINICI BIJ DE DIAGNOSE — IN TERMEN VAN VROEGTIJDIGHEID, MINDER MOEILIJKHEDEN BIJ DIFFERENTIËLE DIAGNOSE, RISICOSTRATIFICATIE EN VROEGE START VAN OTTIMAL THERAPY- EN FOLLOW-UP (IN TERMEN VAN VROEGE VOORSPELLERS VAN EEN NEGATIEF KLINISCH KUUR) (Dutch)
4 February 2022
0 references
EL PROYECTO TIENE POR OBJETO CREAR UN SISTEMA DE ESTUDIO BASADO EN LA INTELIGENCIA ARTIFICIAL (IA) CAPAZ DE ANALIZAR IMÁGENES ECOCARDIOGRÁFICAS, ECOGRAFÍAS PULMONARES E IMÁGENES DE RAYOS X DE PACIENTES ADULTOS (COVID-19 NEGATIVO, COVID-19 POSITIVO Y ARDS-COVID-19 HOSPITALIZADOS EN LOS HOSPITALES DE ASOCIACIÓN), JUNTO CON LA INFORMACIÓN DE NOTIFICACIÓN, CON EL FIN DE CREAR UN CONJUNTO DE DATOS ÚTILES PARA LA FORMACIÓN DEL MODELO DE APRENDIZAJE AUTOMÁTICO HASTA SELECCIONAR EL MODELO CAPAZ DE PROPORCIONAR LA PREDICCIÓN MÁS PRECISA DEL DIAGNÓSTICO. ESTE MODELO PRODUCIRÁ UNA CLASIFICACIÓN BINARIA DE LA PROBABILIDAD DE DIAGNÓSTICO DE LA NO PATOLOGÍA DE LA COVID-19 O DE LA COVID-19 PARA APOYAR A LOS MÉDICOS EN EL DIAGNÓSTICO — EN TÉRMINOS DE PRECOCIDAD, MENOR DIFICULTAD EN EL DIAGNÓSTICO DIFERENCIAL, ESTRATIFICACIÓN DE RIESGO E INICIO TEMPRANO DE LA TERAPIA OTTIMAL- Y SEGUIMIENTO (EN TÉRMINOS DE PREDICTORES TEMPRANOS DE CURSO CLÍNICO ADVERSO) (Spanish)
4 February 2022
0 references
MILANO
0 references
BRESCIA
0 references