- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05836246
Vývoj softwarové platformy pro kvantitativní ultrazvukové zobrazování
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
Typ studie
Zápis (Očekávaný)
Kontakty a umístění
Studijní místa
-
-
Gyeonggi-do
-
Seongnam, Gyeonggi-do, Korejská republika, 13620
- Seoul National University Bundang Hospital
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
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
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
Publikace a užitečné odkazy
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
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Očekávaný)
Dokončení studie (Očekávaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
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
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 .