Automatisk Segmentation MRI Cerebral Gliom
Merværdien af automatisk segmentering af cerebrale gliomer i multi-Sequence Magnetic Resonance Imaging (MRI)
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Gliomer er de mest almindelige primære hjernetumorer og klassificeres efter deres histopatologiske udseende ved hjælp af Verdenssundhedsorganisationens (WHO) system i lavgradigt gliom (LGG) (grad I og II) og højgradigt gliom (grad III anaplastisk gliom og grad. IV glioblastom.
Gliomer, især af høj kvalitet, udviser uregelmæssige vækstmønstre, der infiltrerer den omgivende hjerne og viser således uregelmæssige grænser, der muligvis ikke er klare på konventionelle magnetiske resonansbilleder (MRI) MR-billeder inspiceres visuelt af radiologer, men visuel vurdering er subjektiv, tidskrævende og tilbøjelig til variabilitet på grund af forskelle mellem bedømmere. Nøjagtig afgrænsning af tumorgrænser samt vurdering af tumorvolumen er afgørende for behandlingsplanlægning og overvågning af behandlingsrespons. Imidlertid er nøjagtig afgrænsning af grænserne for gliom ved hjælp af subjektiv visuel vurdering ofte vanskelig på grund af tumorheterogenitet og kompleksitet, overlappende signalintensitet med omgivende væv og ujævn tumorvækst i nærliggende strukturer.
Sammenlignet med tumorvolumetri er den rutinemæssige visuelle evaluering af tumorstørrelse baseret på simple lineære målinger af bruttotumorvolumenet. Disse todimensionelle målinger udføres ofte på et enkelt MR-snit uden volumetriske målinger. Disse lineære målinger er brugerafhængige og tilbøjelige til fejl på grund af øget målevariabilitet, især i uregelmæssigt formede læsioner Computerbaserede fuldautomatiske tumorsegmenteringsmetoder præsenterer en mulig løsning på disse problemer. Processen er baseret på informationsekstraktion fra strukturelle hjerne-MR-billeder ved hjælp af en probabilistisk vævsmodel til at definere de klare tumorgrænser ved hjælp af forskellige MR-pulssekvenser. Disse metoder kunne nøjagtigt og hurtigt identificere gliom fra omgivende normalt hjernevæv og udføre tumorvolumetri, samtidig med at man eliminerer intra-observatør og inter-observatør variabilitet. Interne ændringer i gliom, såsom forstærkningsmønster og degeneration er afgørende for identifikation af gliomgrad, planlægning af behandling, monitorering af sygdomsprogression og evaluering af behandlingens effektivitet. I processen med automatisk gliomsegmentering karakteriseres forskellige dele af gliomet som solid (aktiv) tumor, nekrose og peritumoralt ødem.
Automatiske segmenteringsmetoder anvender kunstig intelligens og maskinlæringsteknikker til udvinding af information fra multi-sekvens MRI, herunder grundlæggende T1W, Gadolinium forbedrede T1W, T2W og FLAIR sekvenser.
Passende vurdering af omfanget af tumorresektion spiller en vigtig rolle i prognosen for gliom, da maksimering af omfanget af resektion påvirker overlevelsen hos disse patienter. Fuldstændig resektion af forstærkende tumor, defineret som fjernelse af de sidste 1-2 % af tumoren, synes at give den største fordel med hensyn til patientens overlevelse. Automatisk segmentering kan føre til bedre diagnose og korrekt behandlingsplanlægning gennem nøjagtig tumorlokalisering og klassificering.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: fatma sedeek
- Telefonnummer: 01066952726
- E-mail: fatma.rabiee15@gmail.com
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med cerebrale gliomer identificeret ved MR, som vil blive behandlet kirurgisk
Ekskluderingskriterier:
- Tidligere opererede eller biopsierede gliomer.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kohorte
- Tidsperspektiver: Fremadrettet
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
evaluere rollen af automatisk segmentering af cerebrale gliomer i multi-sekvens MR-billeder i sammenhæng med operative fund.
Tidsramme: baseline
|
Formålet med denne undersøgelse er at evaluere rollen af automatisk segmentering af cerebrale gliomer i multi-sekvens MR-billeder ved hjælp af state-of-the-art metoder til automatisk segmentering og intern klassificering af hjernetumorer i sammenhæng med operative fund.
|
baseline
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Studieleder: Mostafa Mostafa, Assiut University
- Studieleder: Hosameldeen Metwalli, Assiut University
- Studieleder: Noha Attia, Assiut University
- Ledende efterforsker: fatma sedeek, Assiut University
Publikationer og nyttige links
Generelle publikationer
- Soltaninejad M, Yang G, Lambrou T, Allinson N, Jones TL, Barrick TR, Howe FA, Ye X. Automated brain tumour detection and segmentation using superpixel-based extremely randomized trees in FLAIR MRI. Int J Comput Assist Radiol Surg. 2017 Feb;12(2):183-203. doi: 10.1007/s11548-016-1483-3. Epub 2016 Sep 20.
- Wen PY, Macdonald DR, Reardon DA, Cloughesy TF, Sorensen AG, Galanis E, Degroot J, Wick W, Gilbert MR, Lassman AB, Tsien C, Mikkelsen T, Wong ET, Chamberlain MC, Stupp R, Lamborn KR, Vogelbaum MA, van den Bent MJ, Chang SM. Updated response assessment criteria for high-grade gliomas: response assessment in neuro-oncology working group. J Clin Oncol. 2010 Apr 10;28(11):1963-72. doi: 10.1200/JCO.2009.26.3541. Epub 2010 Mar 15.
- Niyazi M, Brada M, Chalmers AJ, Combs SE, Erridge SC, Fiorentino A, Grosu AL, Lagerwaard FJ, Minniti G, Mirimanoff RO, Ricardi U, Short SC, Weber DC, Belka C. ESTRO-ACROP guideline "target delineation of glioblastomas". Radiother Oncol. 2016 Jan;118(1):35-42. doi: 10.1016/j.radonc.2015.12.003. Epub 2016 Jan 6.
- Tabatabai G, Stupp R, van den Bent MJ, Hegi ME, Tonn JC, Wick W, Weller M. Molecular diagnostics of gliomas: the clinical perspective. Acta Neuropathol. 2010 Nov;120(5):585-92. doi: 10.1007/s00401-010-0750-6. Epub 2010 Sep 23. Review.
- Kanaly CW, Mehta AI, Ding D, Hoang JK, Kranz PG, Herndon JE 2nd, Coan A, Crocker I, Waller AF, Friedman AH, Reardon DA, Sampson JH. A novel, reproducible, and objective method for volumetric magnetic resonance imaging assessment of enhancing glioblastoma. J Neurosurg. 2014 Sep;121(3):536-42. doi: 10.3171/2014.4.JNS121952. Epub 2014 Jul 18.
- Meier R, Knecht U, Loosli T, Bauer S, Slotboom J, Wiest R, Reyes M. Clinical Evaluation of a Fully-automatic Segmentation Method for Longitudinal Brain Tumor Volumetry. Sci Rep. 2016 Mar 22;6:23376. doi: 10.1038/srep23376.
- Gordillo N, Montseny E, Sobrevilla P. State of the art survey on MRI brain tumor segmentation. Magn Reson Imaging. 2013 Oct;31(8):1426-38. doi: 10.1016/j.mri.2013.05.002. Epub 2013 Jun 20. Review.
- Porz N, Habegger S, Meier R, Verma R, Jilch A, Fichtner J, Knecht U, Radina C, Schucht P, Beck J, Raabe A, Slotboom J, Reyes M, Wiest R. Fully Automated Enhanced Tumor Compartmentalization: Man vs. Machine Reloaded. PLoS One. 2016 Nov 2;11(11):e0165302. doi: 10.1371/journal.pone.0165302. eCollection 2016.
- Naceur MB, Saouli R, Akil M, Kachouri R. Fully Automatic Brain Tumor Segmentation using End-To-End Incremental Deep Neural Networks in MRI images. Comput Methods Programs Biomed. 2018 Nov;166:39-49. doi: 10.1016/j.cmpb.2018.09.007. Epub 2018 Sep 21.
Datoer for undersøgelser
Studer store datoer
Studiestart (Forventet)
Studiestart
Primær færdiggørelse (Forventet)
Primær færdiggørelse
Studieafslutning (Forventet)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- MRI cerebral glioma
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .