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

Výzkum poranění acetabulárního labra na základě MR: Víceúhlový model hlubokého učení

29. června 2021 aktualizováno: Peking University Third Hospital
Účelem této studie je studovat snímky MRI poranění acetabulárního labra metodou hlubokého učení a pokusit se vytvořit kombinovaný model axiálních a koronálních sériových snímků a porovnat s diagnostickou přesností radiologů, aby se vytvořila metoda hlubokého učení pro přesná identifikace a klasifikace poranění acetabulárního labra.

Přehled studie

Postavení

Dokončeno

Detailní popis

  1. Detekce snímků acetabulárního labra na základě CNN: byly použity axiální a koronální T2-fs snímky a všechny snímky byly korigovány a standardizovány. CNN se používá k rozpoznání a naučení snímků se strukturou acetabulárního labra pro výběr snímků se strukturou acetabulárního labra z kompletní sekvence a vymazání snímků bez struktury acetabulárního labra. Všechna data jsou rozdělena do trénovací sady (70 %, 30 % v trénovací sadě jako ověřovací sada) a zbývajících 30 % jako testovací sada pro vyhodnocení přesnosti rozpoznání modelu. Získané výsledky zadejte do dalšího kroku.
  2. Rozpoznání a segmentace acetabulárního labra na základě Densenet: použití Densenetu k rozpoznání a naučení acetabulárního labra z vybraných snímků. LabelImg byl použit k ručnímu vyhledání souřadnic acetabulárního labra a poté je vložil do Pythonu pro učení rozpoznávání. Všechna data byla rozdělena do trénovací sady (70 % a poté 30 % v trénovací sadě bylo vybráno jako ověřovací sada) a zbývajících 30 % bylo použito jako testovací sada k vyhodnocení přesnosti rozpoznání modelu. Po identifikaci struktury labra se struktura labra lokálně ořízne a zvětší, aby se odstranily nadbytečné informace. Nakonec zadejte výsledek do dalšího kroku.
  3. Identifikace a klasifikace poranění acetabulárního labra na základě 3D-CNN: vstupní data byla identifikována a klasifikována pomocí 3D-CNN modelu. 3D-CNN je rozděleno do osmi vrstev: vstupní vrstva, vrstva tvrdého drátu H1, konvoluční vrstva C2, downsampling vrstva S3, konvoluční vrstva C4, downsampling vrstva S5, konvoluční vrstva C6 a výstupní vrstva. 3D-CNN zkonstruuje krychli naskládáním více po sobě jdoucích snímků a poté v krychli použije 3D konvoluční jádro. Prostřednictvím této struktury budou obrazy příznaků v konvoluční vrstvě spojeny s více sousedními snímky v předchozí vrstvě, aby se realizovalo získávání informací spojitých obrázků. Podobně byla data rozdělena do tréninkového souboru (70 % a poté 30 % tréninkového souboru bylo vybráno jako ověřovací soubor) a zbývajících 30 % bylo použito jako testovací soubor k vyhodnocení přesnosti klasifikace k identifikaci zranění. labra a klasifikovat případy s poraněním.
  4. Kombinační model: podle výše uvedeného procesu (1-3), poté, co jsou vytvořeny modely pro axiální a koronální snímky, v souladu s výstupními charakteristikami klasifikačního modelu CNN, jsou před výstupními výsledky predikovány pravděpodobnosti různých stupňů, a výstupní výsledky jsou založeny na těchto pravděpodobnostech pro výběr formy vyjádření maximální možné pravděpodobnosti. Náš kombinační model zprůměruje pravděpodobnosti těchto různých klasifikací, vypočítá konečnou pravděpodobnost předpovědi a poté získá konečný model. K ověření modelu byla použita testovací sada třetího kroku (včetně smíšených dat axiálních a koronálních snímků).
  5. Porovnání radiologů a hluboké učení: Vyjmenujte případy testovací sady ve výše uvedeném kroku 3 a požádejte dva profesionální radiology MSK, aby klasifikovali, zda došlo k poškození a stupeň poškození, a porovnejte s výsledky s umělou diagnózou (oba lékaři čtou snímky nezávisle a získali výsledky diagnózy simulací normálního stavu psaní zprávy bez jakékoli výzvy). Nakonec byla porovnána přesnost umělé diagnózy s přesností kombinovaného modelu získaného ve čtvrtém kroku.

Typ studie

Pozorovací

Zápis (Aktuální)

1261

Kontakty a umístění

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

Studijní místa

    • Beijing
      • Beijing, Beijing, Čína, 010
        • Peking University Third Hospital

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

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Od září 2018 do září 2020 byla magnetická rezonance prováděna na Radiologické klinice, Třetí nemocnice Pekingské univerzity.

Popis

Kritéria pro zařazení:

  1. Bez jakékoli léčby před zobrazovacím vyšetřením;
  2. MR kyčelního kloubu byla provedena do tří měsíců před operací a kvalita obrazu byla dobrá;
  3. V naší nemocnici byla provedena artroskopická operace a záznamy operace byly kompletní.

Kritéria vyloučení:

  1. Historie operace kyčle, nádoru nebo předchozí zlomeniny;
  2. Nejasný obraz, vážný artefakt nebo neúplná klinická data.

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: Case-Control
  • Časové perspektivy: Retrospektivní

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Normální kontrolní skupina – stupeň 0
Artroskopické vyšetření kyčle bylo normální a labrum bylo intaktní bez poranění nebo natržení.
Výsledky artroskopie kyčle byly brány jako zlatý standard a MRI vyšetření bylo považováno za objekt výzkumu.
Poranění vazů - stupeň 1
Artroskopické vyšetření kyčle ukázalo degeneraci labra nebo poranění, ale žádné lokální nebo úplné natržení.
Výsledky artroskopie kyčle byly brány jako zlatý standard a MRI vyšetření bylo považováno za objekt výzkumu.
Natržení vazů, stupeň 2
Artroskopie kyčle odhalila částečnou nebo úplnou ztrátu labra.
Výsledky artroskopie kyčle byly brány jako zlatý standard a MRI vyšetření bylo považováno za objekt výzkumu.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Výzkum poranění acetabulárního labra na základě MR: víceúhlový model hlubokého učení
Časové okno: 2020.12.01-2021.05.30
Byl získán model hlubokého učení pro diagnostiku a klasifikaci poranění labra a porovnán s lékaři různých stadií.
2020.12.01-2021.05.30

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Vyšetřovatelé

  • Studijní židle: huishu Yuan, MD, Peking University Third 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)

1. prosince 2020

Primární dokončení (Aktuální)

30. dubna 2021

Dokončení studie (Aktuální)

30. května 2021

Termíny zápisu do studia

První předloženo

29. června 2021

První předloženo, které splnilo kritéria kontroly kvality

29. června 2021

První zveřejněno (Aktuální)

2. července 2021

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

2. července 2021

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

29. června 2021

Naposledy ověřeno

1. června 2021

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • M2020459

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

Ne

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 .

Klinické studie na Diagnostický test

Předplatit