Vývoj softwarové platformy pro kvantitativní ultrazvukové zobrazování
18. dubna 2023 aktualizováno: Seoul National University Bundang Hospital
Vývoj vysoce výkonné, strukturálně-funkční a kvantitativní softwarové platformy pro ultrazvukové zobrazování založené na umělé inteligenci (AI)
Cílem této observační studie je porovnat obrazové rozdíly mezi konvenčním ultrazvukem a ultrazvukovým softwarem založeným na umělé inteligenci u dospělých při vědomí.
Hlavní otázkou, kterou se snaží zodpovědět, je vyhodnotit účinnost stanovením, že nová metoda analýzy obrazu je považována za platnou, pokud pomáhá identifikovat více než 30 % histologických charakteristik.
Účastníci absolvují vyšetření dvěma výše uvedenými metodami po podpisu formuláře souhlasu.
Přehled studie
Postavení
Zápis na pozvánku
Typ studie
Pozorovací
Zápis (Očekávaný)
196
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní místa
-
-
Gyeonggi-do
-
Seongnam, Gyeonggi-do, Korejská republika, 13620
- Seoul National University Bundang 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
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Ne
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
Osoba, která navštíví Soul National University Bundang Hospital za účelem lékařského ošetření nebo konzultace.
Popis
Kritéria pro zařazení:
- Lidé s onemocněním srdce, štítnou žlázou, onemocněním prsu a onemocněním jater.
Kritéria vyloučení:
- Někdo, kdo podstoupil operaci dotyčného cílového orgánu.
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
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Kvantitativní ultrazvukové informace
Časové okno: 5 let
|
Kvantitativní ultrazvukové snímky onemocnění srdce, štítné žlázy a prsu
|
5 let
|
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
- Cheng PM, Malhi HS. Transfer Learning with Convolutional Neural Networks for Classification of Abdominal Ultrasound Images. J Digit Imaging. 2017 Apr;30(2):234-243. doi: 10.1007/s10278-016-9929-2.
- Chi J, Walia E, Babyn P, Wang J, Groot G, Eramian M. Thyroid Nodule Classification in Ultrasound Images by Fine-Tuning Deep Convolutional Neural Network. J Digit Imaging. 2017 Aug;30(4):477-486. doi: 10.1007/s10278-017-9997-y.
- F. Milletari, N. Navab and S. -A. Ahmadi. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation. 2016 Fourth International Conference on 3D Vision (3DV), Stanford, CA, USA. 2016; 565-571.
- Ma J, Wu F, Jiang T, Zhu J, Kong D. Cascade convolutional neural networks for automatic detection of thyroid nodules in ultrasound images. Med Phys. 2017 May;44(5):1678-1691. doi: 10.1002/mp.12134. Epub 2017 Apr 17.
- Chen H, Zheng Y, Park JH, Heng PA, Zhou SK. (2016). Iterative Multi-domain Regularized Deep Learning for Anatomical Structure Detection and Segmentation from Ultrasound Images. Medical Image Computing and Computer-Assisted Intervention - MICCAI 2016. 2016; 9901.
- Lekadir K, Galimzianova A, Betriu A, Del Mar Vila M, Igual L, Rubin DL, Fernandez E, Radeva P, Napel S. A Convolutional Neural Network for Automatic Characterization of Plaque Composition in Carotid Ultrasound. IEEE J Biomed Health Inform. 2017 Jan;21(1):48-55. doi: 10.1109/JBHI.2016.2631401. Epub 2016 Nov 22.
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. září 2020
Primární dokončení (Očekávaný)
31. března 2026
Dokončení studie (Očekávaný)
31. března 2026
Termíny zápisu do studia
První předloženo
18. dubna 2023
První předloženo, které splnilo kritéria kontroly kvality
18. dubna 2023
První zveřejněno (Aktuální)
1. května 2023
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
1. května 2023
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
18. dubna 2023
Naposledy ověřeno
1. dubna 2023
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
- Nemoci trávicího systému
- Ischemie
- Patologické procesy
- Nekróza
- Ischémie myokardu
- Srdeční choroba
- Kardiovaskulární choroby
- Cévní onemocnění
- Kožní choroby
- Novotvary
- Novotvary podle místa
- Onemocnění endokrinního systému
- Onemocnění jater
- Infarkt myokardu
- Infarkt
- Novotvary prsu
- Onemocnění štítné žlázy
- Nemoci prsu
- Fibrocystické onemocnění prsu
Další identifikační čísla studie
- B-1910-570-301
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 .