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

Automatisk segmentering Ultralydsbaseret radiomiksteknologi ved diabetisk nyresygdom

15. februar 2022 opdateret af: Second Affiliated Hospital, School of Medicine, Zhejiang University

Non-invasiv påvisning af diabetisk nyresygdom baseret på automatisk segmentering Ultralydsbaseret radiomiksteknologi

Diabetisk nyresygdom er en almindelig komplikation til diabetes og hovedårsagen til nyresygdom i slutstadiet. I denne undersøgelse planlægger investigator at indskrive næsten 500 deltagere med/uden DKD og at udvikle en automatisk segmenterings-ultralydsbaseret radiomiksteknologi for at differentiere deltageren på en ikke-invasiv og en tilgængelig måde.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Ultralydsundersøgelse er en bekvem, billig og ikke-invasiv metode til nyreundersøgelse. Imidlertid er konventionel ultralyds evne til at skelne diabetisk nyresygdom fra normal nyre begrænset, og det er vanskeligt nøjagtigt at skelne mellem diabetisk nyresygdom og normal nyre kun med det blotte øje. I de senere år har datalogi udviklet sig hurtigt, og kunstig intelligens har været i konstant udvikling. Der er gjort store fremskridt med at anvende kunstig intelligens i dataanalyse. Maskinlæring er en retning af generaliseret kunstig intelligens, dens vigtigste egenskab er at gøre maskinen autonom forudsigelse og skabe algoritmer for at opnå autonom læring. nyresygdom og deep learning er to forskellige tilgange inden for maskinlæring. I denne undersøgelse blev billedomics og deep learning brugt til at analysere billederne. Billedomics udtrækker traditionelle billedfunktioner, herunder form, gråskala, tekstur osv., og bruger modeller for maskinlæring (mønstergenkendelse) til at klassificere og forudsige, såsom understøttelse af vektormaskine, tilfældig skov, XGBoost osv. Deep learning bruger direkte foldningsnetværk CNN til at udtrække funktioner og fuldender klassificering og forudsigelse i kombination med det fulde forbindelseslag osv.

Denne undersøgelse har til formål at udforske påvisningen af ​​diabetisk nyresygdom og dens patologiske grad baseret på automatisk segmentering, ultralydsbaseret radiomiksteknologi, mining af intern information fra ultralydsbilleder og danne et sæt af ikke-invasiv overvågning af diabetisk nyresygdoms komplikationer udviklingssystem, især i primære medicinske institutioner, har et bredt klinisk anvendelsesperspektiv.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

499

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Anhui
      • Fuyang, Anhui, Kina, 236200
        • The People's Hospital of Yingshang
    • Tianjin
      • Tianjin, Tianjin, Kina, 300000
        • Tianjin Third Central Hospital
    • Zhejiang
      • Hangzhou, Zhejiang, Kina, 310000
        • Department of Ultrasound, Second Affiliated Hospital, School of Medicine, Zhejiang University

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

Aldre berettiget til at studere

18 år til 80 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

  1. patienter med diabetes
  2. patienter med eller uden DKD

Beskrivelse

Inklusionskriterier:

  • patienter med klinisk diagnose T2DM og DKD blev indskrevet.
  • patienter med klar B-mode ultralydsbilleddannelse i begge sider af nyren (venstre og højre).
  • Ingen manglende værdi i de vitale kliniske data såsom eGFR og UACR.

Ekskluderingskriterier:

  • Patienter med stor nyreplads optager sygdom såsom nyre-nyrecyste og tumor blev udelukket.
  • Ultralydsbilleder med alvorlig skygge eller ufuldstændig nyrekant blev udelukket.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Eksperimentel gruppe
Forsøgsgruppe 1: DKD-patienter med type 2-diabetes patienter med DKD. Forsøgsgruppe 2: DKD-patienter på højt niveau med diabetisk nyresygdom, trin III og IV.
Diagnostisk test: ultralydsbilleddannelse
Todimensionelle ultralydsbilleder af patientens nyrer blev opnået ved ultralydsbilleddannelse.
Kontrolgruppe
Kontrol1：T2DM-patienter med type 2-diabetes Kontrol2：Lavniveau-DKD-patienter med diabetisk nyresygdom Stadium I og II.
Diagnostisk test: ultralydsbilleddannelse
Todimensionelle ultralydsbilleder af patientens nyrer blev opnået ved ultralydsbilleddannelse.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AUC
Tidsramme: 6 måneder
Arealet under kurve (AUC) af radiomiks model til differentiering af DKD og T2DM eller højniveau og lavt niveau DKD patienter
6 måneder

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Miou
Tidsramme: 6 måneder
Det gennemsnitlige skæringspunkt over forening (Miou) af DL-baseret auto-segmentering i forskellige medicinske centre
6 måneder
mPA
Tidsramme: 6 måneder
Den gennemsnitlige pixel nøjagtighed (mPA) af DL-baseret auto-segmentering i forskellige medicinske centre
6 måneder

Samarbejdspartnere og efterforskere

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

Sponsor

Second Affiliated Hospital, School of Medicine, Zhejiang University

Efterforskere

  • Studiestol: Pintong Huang, Department of Ultrasound, The Second Affiliated Hospital of Zhejiang University

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)

1. juni 2021

Primær færdiggørelse (Faktiske)

1. december 2021

Studieafslutning (Faktiske)

1. december 2021

Datoer for studieregistrering

Først indsendt

24. august 2021

Først indsendt, der opfyldte QC-kriterier

24. august 2021

Først opslået (Faktiske)

27. august 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

16. februar 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

15. februar 2022

Sidst verificeret

1. august 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2021-0465

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 .

Kliniske forsøg med Diabetisk nyresygdom

Kliniske forsøg med ultralydsbilleddannelse

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Poland

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner