Deep Learning Rekonstruktionsalgoritmer i dobbelt lavdosis CTA
Evaluering af Deep Learning-rekonstruktionsalgoritmer i dobbelt lavdosis CT vaskulær billeddannelse
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
- De rå data fra patienter, der gennemgik hoved- og hals-CTA, koronar CTA og abdominal CTA i både standarddosis- og dobbelt lavdosisgrupper blev inkluderet.
- Teknikker såsom filtreret tilbageprojektion, iterativ rekonstruktion og rekonstruktion af dyb læring blev udført.
- Gennemførligheden af rekonstruktion af dyb læring i dobbelt lavdosis CTA blev evalueret baseret på billedkvalitet og diagnostisk ydeevne.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Youfa M Tang, Doctor
- Telefonnummer: 8613554101223
- E-mail: 1525573397@qq.com
Undersøgelse Kontakt Backup
- Navn: Tan, Doctor
- Telefonnummer: 86 159 2631 4149
- E-mail: 1655118783@qq.com
Studiesteder
-
-
Hubei
-
Wuhan, Hubei, Kina, 430000
- Rekruttering
- Tongji Hospital affiliated to Tongji Medical College of Huazhong University of Science and Technology
-
Kontakt:
- Youfa M Tang
- Telefonnummer: +8613554101223
- E-mail: 1525573397@qq.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med hoved- og hals-CTA, koronararterie-CTA og abdominal CTA på grund af slagtilfælde, koronar hjertesygdom og abdominal inflammatorisk sygdom og abdominale tumorer.
Ekskluderingskriterier:
- Alder <18 år, graviditet, allergisk reaktion på jodkontrastmiddel, nyreinsufficiens og svær hyperthyroidisme.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Standard dosisgruppe
Rådata fra 400 patienter med konventionel dosis hoved- og hals-CTA, koronar CTA og abdominal CTA blev inkluderet.
Der blev udført filtreret tilbageprojektion, iteration og rekonstruktion af dyb læring.
At evaluere indvirkningen af deep learning-rekonstruktion på billedkvalitet og diagnostisk ydeevne hos patienter med konventionel dosis CTA.
|
Deep learning image reconstruction (DLIR) er en nyudviklet kunstig intelligens støjreduktionsalgoritme i de seneste år.
Den træner massive højkvalitets FBP-datasæt til at lære at skelne mellem støj og signaler for selektivt at reducere støj og rekonstruere billeder af høj kvalitet med billeddata af lav kvalitet.
|
|
Dobbelt lavdosis gruppe
Rådata fra 800 patienter med lav rørspænding og kontrastmiddel hoved og hals CTA, koronar CTA og abdominal CTA blev inkluderet.
Der blev udført filtreret tilbageprojektion, iteration og rekonstruktion af dyb læring.
At evaluere indvirkningen af rekonstruktion af dyb læring på billedkvalitet og diagnostisk ydeevne hos patienter med dobbelt-lav-dosis CTA.
|
Deep learning image reconstruction (DLIR) er en nyudviklet kunstig intelligens støjreduktionsalgoritme i de seneste år.
Den træner massive højkvalitets FBP-datasæt til at lære at skelne mellem støj og signaler for selektivt at reducere støj og rekonstruere billeder af høj kvalitet med billeddata af lav kvalitet.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Specificiteten og følsomheden beregnet gennem den optimale afskæringsværdi for modtagerens driftskarakteristikkurve.
Tidsramme: 2026.1
|
Specificiteten og sensitiviteten blev beregnet separat for standarddosisgruppen og den dobbelte lavdosisgruppe under anvendelse af den optimale afskæringsværdi fra modtagerens driftskarakteristikkurve med det formål at sammenligne diagnostisk nøjagtighed mellem de to grupper.
|
2026.1
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Signal-til-støj-forholdet beregnet ud fra billed-CT-værdier og støj
Tidsramme: 2026.1
|
Signal-til-støj-forholdet blev beregnet separat for standarddosisgruppen og den dobbelte lavdosisgruppe ved hjælp af billed-CT-værdier og støj for at vurdere billedkvaliteten mellem de to grupper.
|
2026.1
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Hao Tang, Doctor, Tongji Hospital
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Anslået)
Primær færdiggørelse
Studieafslutning (Anslået)
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
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 102122
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 .