Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Intervence / Léčba
Intervence / Léčba
Detailní popis
- Recognition and segmentation of anterior talofibular ligament based on DenseNet. Densenet was used to recognize the axial T2-fs image, and the image level was the most typical one. The labelimg program based on Python was used to locate the coordinates of the anterior talofibular ligament and then imported into Python for learning. All the data were divided into a training set (70%, and then 30% of the training set was selected as the verification set). The remaining 30% was used as the test set to evaluate the accuracy of model recognition. After identifying the anterior talofibular ligament, the local clipping and amplification are carried out to remove the redundant information. Finally, input the result to the next step.
- Establishment and comparison of various deep learning models: four deep learning models were established and compared in this study, namely VGG19, AlexNet, CapsNet, and GoogleNet. The models using image fitting alone and those combining with clinical physical examination data were compared for each deep learning model. The diagnostic efficiency between models was expressed by the ROC curve, including AUC, F1 score, etc. the ROC curve was further analyzed by t-test, Delong test, and other statistical methods. In this study, the data were divided into a training set (70%, 30% in the training set as the validation set), and the remaining 30% as the test set to evaluate the classification accuracy.
Typ studie
Typ studie
Zápis (Očekávaný)
Zápis
Kontakty a umístění
Studijní kontakt
Studijní kontakt
- Jméno: huishu Yuan, MD
- Telefonní číslo: 15810245738
- E-mail: huishuy@bjmu.edu.cn
Studijní záloha kontaktů
- Jméno: Ming Ni, MD
- Telefonní číslo: 13884794867
- E-mail: sdyingxiang2017@163.com
Studijní místa
-
-
Beijing
-
Beijing, Beijing, Čína, 010
- Nábor
- Peking University Third Hospital
-
Kontakt:
- Huishu Yuan, Dr
- E-mail: huishuy@bjmu.edu.cn
-
-
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dítě
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Inclusion Criteria:
- Without any treatment before imaging examination;
- MR of ankle joint was performed within 3 months before operation and the image quality was good;
- Arthroscopic operation was performed in our hospital and the operation records were complete.
Exclusion Criteria:
- history of ankle surgery, history of cancer or previous fractures.
- Unclear image, serious artifact or incomplete clinical data.
Studijní plán
Jak je studie koncipována?
Detaily designu
Počet skupin / kohort
Kohorty a intervence
Skupina / kohortaSkupina / kohorta |
Intervence / LéčbaIntervence / Léčba |
|---|---|
|
Normal control group-Grade 0
Arthroscopic examination of the ankle joint was normal, and the ligament was intact without injury or tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament injury -Grade 1
Arthroscopic examination of the ankle joint showed ligament degeneration or injury, but no local or complete tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament tear-Grade 2
Arthroscopy of the ankle joint revealed partial or complete loss of ligaments.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
Časové okno: 2021.1-2022.3.1
|
The model of deep learning was obtained for diagnosis and grading of anterior fibular ligament and compared with the doctors of different grades.
|
2021.1-2022.3.1
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Vyšetřovatelé
Vyšetřovatelé
- Studijní židle: huishu Yuan, MD, Peking University Third Hospital
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Očekávaný)
Primární dokončení
Dokončení studie (Očekávaný)
Dokončení studie
Termíny zápisu do studia
První předloženo
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
První zveřejněno
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Poslední zveřejněná aktualizace
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další identifikační čísla studie
Další identifikační čísla studie
- M2020460
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .