Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Forskning i Acetabular Labrum Injury Baseret på MR: Multi-angle Deep Learning Model

29. juni 2021 opdateret af: Peking University Third Hospital
Formålet med denne undersøgelse er at studere MR-billederne af acetabulær labrum-skade ved deep learning-metode og forsøge at etablere en kombinationsmodel af aksiale og koronale serielle billeder og sammenligne med radiologers diagnostiske nøjagtighed for at etablere en deep learning-metode for nøjagtig identifikation og klassificering af acetabulære labrumskade.

Studieoversigt

Status

Status

Angiver den aktuelle rekrutteringsstatus eller den udvidede adgangsstatus.
Afsluttet

Betingelser

Betingelser

Den sygdom, lidelse, syndrom, sygdom eller skade, der undersøges. På ClinicalTrials.gov kan tilstande også omfatte andre sundhedsrelaterede problemer, såsom levetid, livskvalitet og sundhedsrisici.

Intervention / Behandling

Intervention / Behandling

En proces eller handling, der er i fokus for en klinisk undersøgelse. Interventioner omfatter lægemidler, medicinsk udstyr, procedurer, vacciner og andre produkter, der enten er til undersøgelse eller allerede er tilgængelige. Interventioner kan også omfatte ikke-invasive tilgange, såsom uddannelse eller ændring af kost og motion.

Detaljeret beskrivelse

  1. Detektion af acetabulære labrum-billeder baseret på CNN: aksiale og koronale T2-fs-billeder blev brugt, og alle billeder blev korrigeret og standardiseret. CNN anvendes til at genkende og lære billederne med acetabulær labrum for at vælge billederne med acetabulær labrum struktur fra den komplette sekvens og slette billederne uden acetabulær labrum struktur. Alle data er opdelt i et træningssæt (70 %, 30 % i træningssæt som verifikationssæt), og de resterende 30 % som et testsæt for at evaluere nøjagtigheden af ​​modelgenkendelse. Indtast de opnåede resultater i næste trin.
  2. Genkendelse og segmentering af acetabular labrum baseret på Densenet: brug af Densenet til at genkende og lære acetabular labrum fra de valgte billeder. LabelImg blev brugt til at lokalisere acetabulære labrum-koordinater manuelt og derefter indtaste dem i Python til genkendelseslæring. Alle data blev opdelt i et træningssæt (70 %, og derefter blev 30 % i træningssættet valgt som verifikationssæt), og de resterende 30 % blev brugt som testsæt til at evaluere nøjagtigheden af ​​modelgenkendelse. Efter identifikation af labrumstrukturen skæres labrumstrukturen lokalt og forstørres for at fjerne den overflødige information. Indtast endelig resultatet til næste trin.
  3. Identifikation og klassificering af acetabulær labrum-skade baseret på 3D-CNN: inputdataene blev identificeret og klassificeret af 3D-CNN-modellen. 3D-CNN er opdelt i otte lag: inputlag, hårdtrådslag H1, foldningslag C2, nedsamplingslag S3, foldningslag C4, nedsamplingslag S5, foldningslag C6 og outputlag. 3D-CNN konstruerer en terning ved at stable flere på hinanden følgende rammer og bruger derefter en 3D-foldningskerne i terningen. Gennem denne struktur vil funktionsbillederne i foldningslaget blive forbundet med flere tilstødende rammer i det foregående lag for at realisere informationsindsamlingen af ​​kontinuerlige billeder. Tilsvarende blev dataene opdelt i et træningssæt (70 %, og derefter blev 30 % af træningssættet valgt som verifikationssæt), og de resterende 30 % blev brugt som testsæt til at evaluere klassificeringsnøjagtigheden for at identificere skaden af labrum og klassificere tilfældene med skade.
  4. Kombinationsmodel: i henhold til ovenstående proces (1-3), efter at modellerne er etableret for henholdsvis de aksiale og koronale billeder, i henhold til outputkarakteristikaene for CNN-klassifikationsmodellen, forudsiges sandsynligheden for forskellige kvaliteter før outputresultaterne, og outputresultaterne er baseret på disse sandsynligheder for at vælge udtryksformen for den maksimalt mulige sandsynlighed. Vores kombinationsmodel tager gennemsnittet af sandsynligheden for disse forskellige klassifikationer, beregner den endelige forudsigelsessandsynlighed og opnår derefter den endelige model. Testsættet fra det tredje trin (inklusive de blandede data for aksiale og koronale billeder) blev brugt til at verificere modellen.
  5. Sammenligning af radiologer og deep learning: List testsæt-tilfældene i ovenstående trin 3 og bed to professionelle MSK-radiologer om at klassificere, om der er skader og graden af ​​skade, og sammenligne med resultaterne med kunstig diagnose (begge læger læser billederne uafhængigt af hinanden og opnåede diagnoseresultaterne ved at simulere den normale tilstand ved at skrive rapporten uden nogen prompt). Endelig blev nøjagtigheden af ​​kunstig diagnose sammenlignet med den for kombinationsmodellen opnået i det fjerde trin.

Undersøgelsestype

Undersøgelsestype

Beskriver karakteren af ​​en klinisk undersøgelse. Undersøgelsestyper omfatter interventionelle undersøgelser (også kaldet kliniske forsøg), observationsundersøgelser (herunder patientregistre) og udvidet adgang.
Observationel

Tilmelding (Faktiske)

Tilmelding

Antallet af deltagere i en klinisk undersøgelse. Den "forventede" tilmelding er det mål for antallet af deltagere, som forskerne skal bruge til undersøgelsen.
1261

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Kina
    • Beijing
      • Beijing, Beijing, Kina, 010
        • Peking University Third Hospital

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Berettigelseskriterier

De nøglekrav, som personer, der ønsker at deltage i et klinisk studie, skal opfylde eller de egenskaber, de skal have. Kvalifikationskriterier består af både inklusionskriterier (som er nødvendige for at en person kan deltage i undersøgelsen) og eksklusionskriterier (som forhindrer en person i at deltage). Typer af berettigelseskriterier omfatter, om en undersøgelse accepterer raske frivillige, har alders- eller aldersgruppekrav eller er begrænset af køn.

Aldre berettiget til at studere

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Fra september 2018 til september 2020 blev MR udført i Radiologiafdelingen, det tredje hospital ved Peking University.

Beskrivelse

Inklusionskriterier:

  1. Uden nogen behandling før billeddiagnostisk undersøgelse;
  2. MR af hofteleddet blev udført inden for tre måneder før operationen, og billedkvaliteten var god;
  3. Artroskopisk operation blev udført på vores hospital, og operationsjournalerne var fuldstændige.

Ekskluderingskriterier:

  1. Anamnese med hofteoperation, tumor eller tidligere fraktur;
  2. Uklart billede, alvorlig artefakt eller ufuldstændige kliniske data.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Case-Control
  • Tidsperspektiver: Tilbagevirkende kraft

Kohorter og interventioner

Gruppe / kohorte

Gruppe / kohorte

En gruppe eller undergruppe af deltagere i et observationsstudie, der vurderes for biomedicinske eller sundhedsmæssige resultater.
Intervention / Behandling

Intervention / Behandling

En proces eller handling, der er i fokus for en klinisk undersøgelse. Interventioner omfatter lægemidler, medicinsk udstyr, procedurer, vacciner og andre produkter, der enten er til undersøgelse eller allerede er tilgængelige. Interventioner kan også omfatte ikke-invasive tilgange, såsom uddannelse eller ændring af kost og motion.
Normal kontrolgruppe-grad 0
Artroskopisk undersøgelse af hoften var normal, og labrum var intakt uden skader eller revner.
Diagnostisk test: Diagnostisk test
Resultaterne af hofteartroskopi blev taget som guldstandarden, og MR-undersøgelse blev taget som forskningsobjekt.
Ledbåndsskade -grad 1
Artroskopisk undersøgelse af hoften viste labrum degeneration eller skade, men ingen lokal eller fuldstændig rift.
Diagnostisk test: Diagnostisk test
Resultaterne af hofteartroskopi blev taget som guldstandarden, og MR-undersøgelse blev taget som forskningsobjekt.
Ligament rive-grad 2
Artroskopi af hoften afslørede delvist eller fuldstændigt tab af labrum.
Diagnostisk test: Diagnostisk test
Resultaterne af hofteartroskopi blev taget som guldstandarden, og MR-undersøgelse blev taget som forskningsobjekt.

Hvad måler undersøgelsen?

Primære resultatmål

Primære resultatmål

I et klinisk studies protokol er det planlagte resultatmål, der er det vigtigste for at evaluere effekten af ​​en intervention/behandling. De fleste kliniske undersøgelser har ét primært resultatmål, men nogle har mere end ét.
Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Forskning i acetabulær labrum-skade baseret på MR: multi-angle deep learning model
Tidsramme: 2020.12.01-2021.05.30
Modellen for dyb læring blev opnået til diagnosticering og gradering af labrumskade og sammenlignet med lægerne på forskellige stadier.
2020.12.01-2021.05.30

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Sponsor

Den organisation eller person, der igangsætter undersøgelsen, og som har myndighed og kontrol over undersøgelsen.
Peking University Third Hospital

Efterforskere

Efterforskere

En forsker involveret i et klinisk studie. Beslægtede termer omfatter stedets principal investigator, site sub-investigator, studieformand, undersøgelsesleder og undersøgelseshovedinvestigator.
  • Studiestol: huishu Yuan, MD, Peking University Third Hospital

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

Studiestart

Den faktiske dato, hvor den første deltager blev tilmeldt en klinisk undersøgelse. Den "forventede" undersøgelses startdato er den dato, som forskerne tror vil være undersøgelsens startdato.
1. december 2020

Primær færdiggørelse (Faktiske)

Primær færdiggørelse

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention for at indsamle endelige data for det primære resultatmål. Hvorvidt det kliniske studie sluttede i henhold til protokollen eller blev afsluttet, påvirker ikke denne dato. For kliniske undersøgelser med mere end ét primært resultatmål med forskellige afslutningsdatoer refererer dette udtryk til den dato, hvor dataindsamlingen er afsluttet for alle de primære resultatmål. Den "forventede" primære afslutningsdato er den dato, som forskerne tror vil være den primære afslutningsdato for undersøgelsen.
30. april 2021

Studieafslutning (Faktiske)

Studieafslutning

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention/behandling for at indsamle endelige data for de primære resultatmål, sekundære udfaldsmål og uønskede hændelser (det vil sige den sidste deltagers sidste besøg). Den "forventede" undersøgelses afslutningsdato er den dato, som forskerne tror vil være undersøgelsens afslutningsdato.
30. maj 2021

Datoer for studieregistrering

Først indsendt

Først indsendt

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsendte en undersøgelsespost til ClinicalTrials.gov. Der er typisk en forsinkelse på et par dage mellem den første indsendte dato og postens tilgængelighed på ClinicalTrials.gov (den første offentliggjorte dato).
29. juni 2021

Først indsendt, der opfyldte QC-kriterier

Først indsendt, der opfyldte QC-kriterier

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsender en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Sponsoren eller investigatoren skal muligvis revidere og indsende en undersøgelsespost en eller flere gange, før NLM's kvalitetskontrolkriterier er opfyldt. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
29. juni 2021

Først opslået (Faktiske)

Først opslået

Datoen, hvor undersøgelsesposten først var tilgængelig på ClinicalTrials.gov efter National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgang er afsluttet. Der er typisk en forsinkelse på et par dage mellem den dato, hvor undersøgelsens sponsor eller investigator indsendte undersøgelsesposten, og den første offentliggjorte dato.
2. juli 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

Sidste opdatering sendt

Den seneste dato, hvor ændringer i en undersøgelsespost blev gjort tilgængelig på ClinicalTrials.gov. Der kan være en forsinkelse mellem det tidspunkt, hvornår ændringerne blev indsendt til ClinicalTrials.gov af undersøgelsens sponsor eller investigator (datoen for sidste opdatering afsendt) og den sidste opdatering, der blev sendt.
2. juli 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Den seneste dato, hvor undersøgelsens sponsor eller investigator indsendte ændringer til en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
29. juni 2021

Sidst verificeret

Sidst verificeret

Den seneste dato, hvor undersøgelsens sponsor eller investigator bekræftede oplysningerne om en klinisk undersøgelse på ClinicalTrials.gov som nøjagtige og aktuelle. Hvis en undersøgelse med rekrutteringsstatus som rekruttering; rekrutterer endnu ikke; eller aktiv, ikke rekruttering er ikke blevet bekræftet inden for de seneste 2 år, er undersøgelsens rekrutteringsstatus vist som ukendt.
1. juni 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

Andre undersøgelses-id-numre

Andre identifikatorer eller ID-numre end NCT-nummeret, der er tildelt til en klinisk undersøgelse af undersøgelsens sponsor, finansieringsgivere eller andre. Disse numre kan omfatte unikke identifikatorer fra andre forsøgsregistre og National Institutes of Health-bevillingsnumre.
  • M2020459

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

Ingen

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Cookieindstillinger

Vi bruger cookies for at sikre, at vi giver dig den bedste oplevelse på vores hjemmeside. For flere detaljer skal du læse omhyggeligt vores Politik om beskyttelse af personlige oplysninger og cookies. ...>>>Du kan når som helst ændre dine præferencer eller trække dit samtykke tilbage ved at slette cookies fra din hjemmeside eller computer som beskrevet i politikken. Accepter det og vælg dine præferencer ved at markere de tilsvarende felter i afsnittet "Administrer indstillinger" nedenfor. Læs vores servicevilkår omhyggeligt, inden du fortsætter med at bruge nogen del af dette websted.
«Administrer indstillinger