Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Deep Learning of Knee Joint MRI Intelligent Detection

8. července 2021 aktualizováno: Peking University Third Hospital
Knee joint is the most common part of sports injury. MRI is a powerful tool to diagnose knee joint injury. However, it takes a long time to read the film, needs a lot, and some hidden injuries have a high rate of missed diagnosis. The emerging deep learning technology can establish automatic recognition model through large samples. A large sample of knee joint MRI was collected retrospectively to train the deep learning model of knee joint MRI, and the sensitivity and specificity of the deep learning model were verified in multi center. Depending on the clinical needs, the deep learning model annotation system is established. A large number of knee MRI were obtained and labeled. According to the knee joint MRI training depth learning model, and iterative optimization, the final version is formed. Multi center validation was carried out. Continuous operation records and corresponding preoperative knee MRI were obtained from multiple hospitals. The sensitivity and specificity of the model were calculated with operation records as the gold standard. At the same time, an expert team composed of senior radiologists and sports medicine doctors was organized to read the films. The sensitivity and specificity of manual reading and AI reading were compared to prove the superiority of AI reading. This study can improve the efficiency of clinical MRI film reading, reduce the workload of doctors, improve the film reading level of grass-roots hospitals, promote the development of the discipline, and has good social benefits and market prospects.

Přehled studie

Postavení

Postavení

Označuje aktuální stav náboru nebo stav rozšířeného přístupu.
Nábor

Podmínky

Podmínky

Nemoc, porucha, syndrom, nemoc nebo zranění, které je studováno. Na webu ClinicalTrials.gov mohou podmínky zahrnovat i další problémy související se zdravím, jako je délka života, kvalita života a zdravotní rizika.

Detailní popis

The knee joint is the most common sports injury site in the human body, including ligament rupture, meniscus tear, cartilage lesions, and free body formation. Knee MRI has extremely high sensitivity and specificity in diagnosing knee diseases, especially its negative predictive value is close to 100%, and it is an effective means to assist clinicians in diagnosing knee diseases. However, there are many MRI sequences of the knee joint, and different diseases have different imaging effects on various sequences, and the types of knee joint diseases are complicated, so it takes a long time to evaluate the knee joint MRI. Due to the huge clinical demand for knee MRI, it has caused a great burden on radiology and sports medicine orthopedics. At the same time, for some special injuries of the knee joint, such as hidden meniscus tear, rupture of the anterior cross part and adhesion in place after rupture, local ligament injury, etc., the conclusions given by different readers are very different, and it is easy to miss the diagnosis. And the missed diagnosis seriously affects the prognosis of the knee joint, leading to the progression of arthritis. In addition, professional musculoskeletal system imaging experts have a long training cycle, and a large number of orthopedic doctors and radiologists in basic hospitals have limited reading skills for knee MRI, which limits the development of local sports medicine disciplines and the development of related diagnosis and treatment. The purpose of our research is to train the deep learning model of knee MRI through multi-center and large sample of knee MRI; Multi-center verification of the sensitivity and specificity of the knee MRI deep learning model, and compare the accuracy of the deep learning model and manual image reading.

Typ studie

Typ studie

Popisuje povahu klinické studie. Typy studií zahrnují intervenční studie (také nazývané klinické studie), observační studie (včetně registrů pacientů) a rozšířený přístup.
Pozorovací

Zápis (Očekávaný)

Zápis

Počet účastníků klinické studie. „Očekávaný“ zápis je cílový počet účastníků, které výzkumníci pro studii potřebují.
50000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

Studijní kontakt

Jméno a kontaktní údaje osoby, která může odpovědět na otázky týkající se registrace do klinické studie. Každé místo, kde se studie provádí, může mít také konkrétní kontakt, který může lépe odpovědět na tyto otázky.

Studijní místa

  • Čína
    • Beijing
      • Beijing, Beijing, Čína, 100191
        • Nábor
        • Institute of Sports Medicine, Peking University Third Hospital
        • Kontakt:
          • Ai-Bing Huang, PhD
          • Telefonní číslo: 8615650715003
          • E-mail: hab165@163.com

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Kritéria způsobilosti

Klíčové požadavky, které musí lidé, kteří se chtějí zúčastnit klinické studie, splňovat nebo vlastnosti, které musí mít. Kritéria způsobilosti se skládají jak z kritérií pro zařazení (která jsou vyžadována pro účast osoby ve studii), tak z kritérií vyloučení (která brání osobě v účasti). Typy kritérií způsobilosti zahrnují, zda studie přijímá zdravé dobrovolníky, má požadavky na věk nebo věkovou skupinu nebo je omezena pohlavím.

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

N/A

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

All patients related to sports injuries

Popis

Inclusion Criteria:

  1. ACL-injured patients;
  2. Follow-up of patients after ACL injury;
  3. patients with genetic predisposition to ACL injury;

Exclusion Criteria:

  1. Patients with joint injury caused by clear external forces;
  2. Definitely have stroke, heart disease, epilepsy, cranial neurosurgery, migraine;
  3. Have had a concussion or head injury in the past 6 months.

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: Kohorta
  • Časové perspektivy: Retrospektivní

Co je měření studie?

Primární výstupní opatření

Primární výstupní opatření

V protokolu klinické studie je plánovaná výsledná míra, která je nejdůležitější pro hodnocení účinku intervence/léčby. Většina klinických studií má jedno primární měřítko výsledku, ale některé mají více než jedno.
Měření výsledku
Popis opatření
Časové okno
Marking system design based on Magnetic Resonance Imaging（MRI）
Časové okno: 2021
According to the development goals, combined with the performance of MRI and the structure of the model algorithm, the labeling rules and logic of knee MRI are determined. On this basis, a labeling system is designed, and different labeling tools are designed for a variety of lesions.
2021
Data export and annotation
Časové okno: 2021
Encrypt the MRI file and import it into the medical standard intelligent labeling system. Create a dedicated tagging account for each tagger to tag. Based on the previously marked image data, develop algorithms for segmenting different lesion areas.
2021
Build a deep learning model
Časové okno: 2021
According to the diagnostic logic, we select the coronal and sagittal images of the knee joint T2 MRI sequence for analysis. And choose the Resnext model that has been verified by a large number of ImageNet and other large data sets to extract the features of the coronal out-of-state images. After the multi-layer convolution operation, the key feature representation of the image is extracted. At the same time, in the process of feature extraction, the batch normalization module is used to perform feature transformation to highlight the most meaningful part of the feature.
2021

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Sponzor

Organizace nebo osoba, která iniciuje studii a která má autoritu a kontrolu nad studií.
Peking University Third Hospital

Spolupracovníci

Spolupracovníci

Organizace jiná než zadavatel, která poskytuje podporu klinické studii. Tato podpora může zahrnovat činnosti související s financováním, návrhem, implementací, analýzou dat nebo podáváním zpráv.
Chinese PLA General Hospital
Huashan Hospital
Hebei Medical University Third Hospital
Shanghai Jiao Tong University Affiliated Sixth People's Hospital
Inner Mongolia People's Hospital
The First Affiliated Hospital of BaoTou Medical College
Fourth Medical Center of PLA General Hospital
The 8th medical center of chinese PLA general hospital
Tianjin Hospital

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

Začátek studia

Skutečné datum, kdy byl první účastník zařazen do klinické studie. „Očekávané“ datum zahájení studie je datum, o kterém si vědci myslí, že bude datem zahájení studie.
1. ledna 2021

Primární dokončení (Očekávaný)

Primární dokončení

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo obdržel intervenci ke sběru konečných dat pro primární měření výsledku. Zda byla klinická studie ukončena podle protokolu nebo byla ukončena, toto datum neovlivňuje. U klinických studií s více než jedním primárním výstupním měřením s různými daty dokončení se tento termín vztahuje k datu, kdy je dokončen sběr dat pro všechna primární výsledná měření. „Očekávané“ datum primárního dokončení je datum, o kterém si vědci myslí, že bude primárním datem dokončení studie.
31. prosince 2021

Dokončení studie (Očekávaný)

Dokončení studie

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo dostal intervenci/léčbu za účelem shromáždění konečných dat pro měření primárního výsledku, sekundárního měření výsledku a nežádoucí příhody (tj. poslední návštěva posledního účastníka). „Očekávané“ datum dokončení studie je datum, o kterém si vědci myslí, že bude datem dokončení studie.
15. května 2022

Termíny zápisu do studia

První předloženo

První předloženo

Datum, kdy zadavatel studie nebo zkoušející poprvé předložil záznam studie na ClinicalTrials.gov. Mezi prvním odeslaným datem a dostupností záznamu na ClinicalTrials.gov (první zveřejněné datum) je obvykle několik dní.
27. června 2021

První předloženo, které splnilo kritéria kontroly kvality

První předloženo, které splnilo kritéria kontroly kvality

Datum, kdy zadavatel studie nebo zkoušející poprvé předloží záznam studie, který je v souladu s kritérii kontroly kvality (QC) Národní lékařské knihovny (NLM). Sponzor nebo zkoušející může potřebovat revidovat a předložit záznam studie jednou nebo vícekrát, než budou splněna kritéria kontroly kontroly kvality NLM. Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
8. července 2021

První zveřejněno (Aktuální)

První zveřejněno

Datum, kdy byl záznam studie poprvé k dispozici na webu ClinicalTrials.gov poté, co byla dokončena kontrola kontroly kvality (QC) National Library of Medicine (NLM). Mezi datem, kdy zadavatel studie nebo zkoušející předložil záznam studie, a prvním zveřejněným datem je typicky několik dní zpoždění.
12. července 2021

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

Poslední zveřejněná aktualizace

Nejnovější datum, kdy byly změny záznamu studie zpřístupněny na ClinicalTrials.gov. Mezi okamžikem, kdy byly změny odeslány na ClinicalTrials.gov sponzorem nebo zkoušejícím studie (datum poslední předložení aktualizace), a datem zveřejnění poslední aktualizace může nastat zpoždění.
12. července 2021

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Nejnovější datum, kdy zadavatel studie nebo zkoušející předložil změny záznamu studie, které jsou v souladu s kritérii kontroly kvality (QC) National Library of Medicine (NLM). Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
8. července 2021

Naposledy ověřeno

Naposledy ověřeno

Nejnovější datum, kdy zadavatel studie nebo zkoušející potvrdil informace o klinické studii na webu ClinicalTrials.gov jako přesné a aktuální. Pokud jde o studii s náborovým statusem náboru; ještě nenabírá nábor; nebo aktivní, nebyl nábor potvrzen během posledních 2 let, status náboru studie je uveden jako neznámý.
1. června 2021

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

Další identifikační čísla studie

Identifikátory nebo ID čísla jiná než číslo NCT, které klinické studii přiděluje zadavatel studie, financující subjekty nebo jiní. Tato čísla mohou zahrnovat jedinečné identifikátory z jiných registrů studií a čísla grantů National Institutes of Health.
  • M2020243

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

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 .

Nastavení souborů cookie

Používáme cookies, abychom zajistili, že vám poskytneme nejlepší zážitek z našich webových stránek. Pro více informací si pečlivě přečtěte naše Zásady ochrany osobních údajů a cookies. ...>>>Svou preference můžete kdykoli změnit nebo svůj souhlas odvolat odstraněním cookies z vašeho webu nebo počítače, jak je popsáno v zásadách. Přijměte to a vyberte své předvolby zaškrtnutím příslušných polí v části „Správa nastavení“ níže. Než budete pokračovat v používání jakékoli části tohoto webu, pozorně si prosím přečtěte naše Podmínky služby.
«Spravovat nastavení