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

Hluboké učení asistovaná ultrazvuková diagnostika a lokalizace torze přívěsku varlete

24. prosince 2025 aktualizováno: Ying Jiang

Hluboké učení asistované ultrazvukové diagnostice a lokalizaci torze testikulárního apendixu: Multicentrická retrospektivní validační studie

Ultrazvuková data byla retrospektivně shromážděna z hlavního centra a šesti dalších pobočkových center. Ve spojení s klinickými diagnostickými výsledky bylo označování dat dokončeno lékaři s rozsáhlými klinickými zkušenostmi.

V této studii byl jako detekční síť použit YOLOv11, který byl integrován s konvolučním mechanismem pozornosti (Spatial Convolutional Block Attention Module, tj. Spatial CBAM) a mechanismem vlastní pozornosti (např. Attention Convolution Mixer, ACMix). Datová sada z hlavního centra byla rozdělena na tréninkové, validační a testovací podmnožiny, na kterých byl model trénován, validován a testován; další validace byla provedena na datové sadě z pobočkového centra. Zároveň byli čtyři lékaři pověřeni interpretací ultrazvukových dat z pobočkových center pomocí dvou diagnostických metod – nezávislé diagnózy a diagnózy asistované umělou inteligencí (AI) – a diagnostická přesnost těchto dvou přístupů byla dále porovnána. Shromažďováním a učením léčebných metod pacientů v tréninkové sadě hlavního centra, předpovídáním léčebných metod pacientů v datové sadě pobočkového centra a porovnáním podílu operací předpovězených AI se skutečným podílem operací byla ověřena účinnost modelu.

Přehled studie

Postavení

Zatím nenabíráme

Detailní popis

Ultrazvuková data byla retrospektivně shromážděna z hlavního centra a šesti dalších pobočkových center. Ve spojení s klinickými diagnostickými výsledky bylo označování dat dokončeno lékaři s rozsáhlými klinickými zkušenostmi.

V této studii byl jako detekční síť použit YOLOv11, který byl integrován s konvolučním mechanismem pozornosti (Spatial Convolutional Block Attention Module, tedy Spatial CBAM) a mechanismem self-attention (například Attention Convolution Mixer, ACMix). Datová sada z hlavního centra byla rozdělena na tréninkovou, validační a testovací podmnožinu, na kterých byl model trénován, validován a testován; dodatečná validace byla provedena na datové sadě z pobočkového centra. Zároveň byli čtyři lékaři pověřeni interpretací ultrazvukových dat z pobočkových center pomocí dvou diagnostických metod – nezávislé diagnózy a diagnózy s asistencí umělé inteligence (AI) – a diagnostická přesnost těchto dvou přístupů byla dále porovnána. Shromažďováním a učením se léčebných metod pacientů v tréninkové sadě hlavního centra, předpovídáním léčebných metod pacientů v datové sadě pobočkového centra a porovnáním podílu chirurgických zákroků předpovězených AI se skutečným podílem chirurgických zákroků byla ověřena účinnost modelu.

Typ studie

Pozorovací

Zápis (Odhadovaný)

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

Studijní záloha kontaktů

Studijní místa

    • Zhejiang
      • Hangzhou, Zhejiang, Čína, 310000
        • Children's Hospital of Zhejiang University School of Medicine
        • Kontakt:
        • Kontakt:
          • Jingjing Ye, PHD Degree
          • Telefonní číslo: 86-13868174280
        • Vrchní vyšetřovatel:
          • Ying Jiang, Master Degree

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

Přijímá zdravé dobrovolníky

Ano

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Věk ≤ 18 let, podstoupil ultrazvukové vyšetření kvůli akutní bolesti šourku (≤ 24 hodin)

Popis

Kritéria pro zařazení:

  1. Věk ≤ 18 let
  2. Podstoupili ultrazvukové vyšetření pro akutní bolest šourku (≤ 24 hodin)
  3. Pacienti s klinickou diagnózou torze testikulárního apendixu (TAT)

Kritéria pro vyloučení:

  1. Špatná kvalita ultrazvukového snímku (neschopnost identifikovat struktury varlete)
  2. Neúplná klinická data (neschopnost potvrdit diagnózu torze testikulárního apendixu [TAT])

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

Kohorty a intervence

Skupina / kohorta
Skupina s torzí testikulárního apendixu
Pacienti s diagnózou torze přívěsku varlete
Skupina torze varlete
Pacienti s diagnózou torze varlete
Skupina s epididymitidou
Pacienti s diagnostikovanou epididymitidou
Normální skupina
Pacienti bez torze nadvarlete, torze varlete, zánětu nadvarlete a s normálním šourkem

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Přesnost modelu hlubokého učení ověřuje čtyři stavy: torze přívěsku varlete; torze varlete; zánět nadvarlete a normální stav
Časové okno: Od vstupu obrázku po generování výsledku se očekává 24 hodin
přesnost modelu hlubokého učení ověřuje čtyři podmínky: torze přívěsku varlete; torze varlete; epididymitida a normální stav
Od vstupu obrázku po generování výsledku se očekává 24 hodin

Sekundární výstupní opatření

Měření výsledku
Časové okno
Počet účastníků s akutní skrotální bolestí
Časové okno: Od začátku zápisu do konce se očekává 5 měsíců
Od začátku zápisu do konce se očekává 5 měsíců
Přesnost kliniků v diagnostice a lokalizaci torze přívěsku varlete
Časové okno: Od začátku diagnózy a lokalizace kliniků do konce se očekává 15 dní
Od začátku diagnózy a lokalizace kliniků do konce se očekává 15 dní
Přesnost modelu hlubokého učení při předpovídání léčebného postupu pro torzi přívěsku varlete, konzervativní léčba nebo chirurgický zákrok
Časové okno: Od začátku predikce léčby torze testikulárního apendixu modelem hlubokého učení do konce se očekává 24 hodin
Od začátku predikce léčby torze testikulárního apendixu modelem hlubokého učení do konce se očekává 24 hodin

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Vyšetřovatelé

  • Ředitel studie: Jingjing Ye, Phd Degree, Zhejiang University School of Medicine Children's 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 (Odhadovaný)

1. ledna 2026

Primární dokončení (Odhadovaný)

1. května 2026

Dokončení studie (Odhadovaný)

1. května 2026

Termíny zápisu do studia

První předloženo

9. prosince 2025

První předloženo, které splnilo kritéria kontroly kvality

23. prosince 2025

První zveřejněno (Odhadovaný)

24. prosince 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

31. prosince 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

24. prosince 2025

Naposledy ověřeno

1. prosince 2025

Více informací

Termíny související s touto studií

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

ANO

Popis plánu IPD

ultrazvukové snímky pacienta a základní data

Časový rámec sdílení IPD

IPD a podpůrné informace budou k dispozici 1. ledna 2027 a po dobu jednoho měsíce

Kritéria přístupu pro sdílení IPD

Redaktoři a recenzenti časopisů,studijní protokol,pošlete mi e-mail pro přístup k němu.

Typ podpůrných informací pro sdílení IPD

  • PROTOKOL STUDY

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 .

Předplatit