- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05633732
Vývoj systému řízení kvality echokardiografického obrazu založeného na hlubokém učení
21. února 2023 aktualizováno: The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Systém řízení kvality echokardiografického obrazu založený na hlubokém učení: Jednocentrová prospektivní studie
Vyvinout systém řízení kvality echokardiografického obrazu založený na hlubokém učení k dosažení objektivní a přesné automatické kontroly kvality echokardiografického obrazu.
Celkem 2 000 pacientů provádějících transtorakální echokardiografii bylo prospektivně zařazeno na oddělení ultrazvukové medicíny přidružené nemocnice Drum Tower s lékařskou fakultou Univerzity Nanjing.
Byla shromážděna data 8 segmentací zobrazení TTE, včetně zobrazení parasternální dlouhé osy levé komory (PLAX_LV), parasternální krátké osy úrovně velkých cév (PSAX_GV), parasternální krátké osy úrovně mitrální chlopně (PSAX_MV), parasternální krátká osa úrovně papilárního svalu (PSAX_PM), parasternální krátká osa apikální úrovně (PSAX_AP), apikální čtyřkavita (A4C), apikální trojkavita (A3C), apikální dvě dutina (A2C).
Data 1500 pacientů byla použita jako tréninkový soubor a zbytek byl použit jako validační soubor.
Tato video data byla klasifikována do odpovídajících segmentací zobrazení a analyzována pomocí modelu Video Swin Transformed Model.
Poté byl vytvořen skórovací modul různých segmentací pohledu v kombinaci s extrakcí klíčových snímků, segmentací obrazu, rozpoznáním cíle videa a modelem klasifikace videa.
Současně byla porovnána skóre dosažená automatickým systémem echokardiografického hodnocení obrazu s umělým skóre.
Neustálým opravováním a učením a nakonec budováním primárního automatizovaného systému hodnocení.
Nakonec byl zkonstruován systém automatického echokardiografického hodnocení obrazu a proveden u zbývajících 500 pacientů.
Přehled studie
Postavení
Nábor
Podmínky
Detailní popis
Vyvinout systém řízení kvality echokardiografického obrazu založený na hlubokém učení k dosažení objektivní a přesné automatické kontroly kvality echokardiografického obrazu.
Celkem 2 000 pacientů provádějících transtorakální echokardiografii bylo prospektivně zařazeno na oddělení ultrazvukové medicíny přidružené nemocnice Drum Tower s lékařskou fakultou Univerzity Nanjing.
Kritéria zařazení: Pacienti se standardizovanou segmentací pohledu TTE; Kritéria vyloučení: Pacienti s neúplnou standardní segmentací.
Byla shromážděna data 8 segmentací zobrazení TTE, včetně zobrazení parasternální dlouhé osy levé komory (PLAX_LV), parasternální krátké osy úrovně velkých cév (PSAX_GV), parasternální krátké osy úrovně mitrální chlopně (PSAX_MV), parasternální krátká osa úrovně papilárního svalu (PSAX_PM), parasternální krátká osa apikální úrovně (PSAX_AP), apikální čtyřkavita (A4C), apikální trojkavita (A3C), apikální dvě dutina (A2C).
Data 1500 pacientů byla použita jako tréninkový soubor a zbytek byl použit jako validační soubor.
Tato video data byla klasifikována do odpovídajících segmentací zobrazení a analyzována pomocí modelu Video Swin Transformed Model.
Poté byl vytvořen skórovací modul různých segmentací pohledu v kombinaci s extrakcí klíčových snímků, segmentací obrazu, rozpoznáním cíle videa a modelem klasifikace videa.
Současně byla porovnána skóre dosažená automatickým systémem echokardiografického hodnocení obrazu s umělým skóre.
Neustálým opravováním a učením a nakonec budováním primárního automatizovaného systému hodnocení.
Nakonec byl systém řízení kvality echokardiografického obrazu proveden u zbývajících 500 pacientů a zlepšen.
Typ studie
Pozorovací
Zápis (Očekávaný)
2000
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní kontakt
- Jméno: Jing Yao, Phd
- Telefonní číslo: +8618905188727
- E-mail: w1835199709@163.com
Studijní místa
-
-
Jiangsu
-
Nanjing, Jiangsu, Čína, 210008
- Nábor
- Affiliated Drum Tower Hospital of Nanjing University Medical School
-
Kontakt:
- Jing Yao, Phd
- Telefonní číslo: +18905188727
- E-mail: w18351992709@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
Věk způsobilý ke studiu
18 let a starší (Dospělý, Starší dospělý)
Přijímá zdravé dobrovolníky
Ano
Pohlaví způsobilá ke studiu
Všechno
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
pacientů se standardizovanými TTE pohledy
Popis
Kritéria pro zařazení:
- věk ≥18 let, pohlaví neomezeně;
- Pacienti se standardizovanými TTE pohledy;
- Subjekty se zúčastnily studie dobrovolně a podepsaly informovaný souhlas;
Kritéria vyloučení:
- pacienti s neúplným standardním zobrazením TTE;
- pacientů se špatnými podmínkami přenosu zvuku.
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: Jiný
- Časové perspektivy: Budoucí
Kohorty a intervence
Skupina / kohorta |
|---|
|
Skupina standardizovaných pohledů
Echokardiografické snímky pacientů v této skupině jsou standardizované.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
skóre pohledu PSAX
Časové okno: 12 měsíců
|
skóre pohledu PSAX systémem řízení kvality echokardiografického obrazu
|
12 měsíců
|
|
skóre apikálního pohledu
Časové okno: 12 měsíců
|
skóre apikálního pohledu systémem řízení kvality echokardiografického obrazu
|
12 měsíců
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Publikace a užitečné odkazy
Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.
Obecné publikace
- Thiebaut R, Thiessard F; Section Editors for the IMIA Yearbook Section on Public Health and Epidemiology Informatics. Artificial Intelligence in Public Health and Epidemiology. Yearb Med Inform. 2018 Aug;27(1):207-210. doi: 10.1055/s-0038-1667082. Epub 2018 Aug 29.
- Sengupta PP, Shrestha S. Machine Learning for Data-Driven Discovery: The Rise and Relevance. JACC Cardiovasc Imaging. 2019 Apr;12(4):690-692. doi: 10.1016/j.jcmg.2018.06.030. Epub 2018 Dec 12. No abstract available.
- Ueda D, Shimazaki A, Miki Y. Technical and clinical overview of deep learning in radiology. Jpn J Radiol. 2019 Jan;37(1):15-33. doi: 10.1007/s11604-018-0795-3. Epub 2018 Dec 1.
- Madani A, Arnaout R, Mofrad M, Arnaout R. Fast and accurate view classification of echocardiograms using deep learning. NPJ Digit Med. 2018;1:6. doi: 10.1038/s41746-017-0013-1. Epub 2018 Mar 21.
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)
30. prosince 2022
Primární dokončení (Očekávaný)
31. prosince 2024
Dokončení studie (Očekávaný)
31. prosince 2025
Termíny zápisu do studia
První předloženo
21. listopadu 2022
První předloženo, které splnilo kritéria kontroly kvality
21. listopadu 2022
První zveřejněno (Aktuální)
1. prosince 2022
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Odhad)
23. února 2023
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
21. února 2023
Naposledy ověřeno
1. září 2022
Více informací
Termíny související s touto studií
Klíčová slova
Další identifikační čísla studie
- 2022-337-01
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NEROZHODNÝ
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 .