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

Høj opløsning HBA-MRI ved hjælp af Deep Learning Rekonstruktion

15. maj 2023 opdateret af: Jeong Min Lee, Seoul National University Hospital

AIRTM Deep Learning Rekonstruktion af abdominal højopløsnings Gd-EOB-DTPA Enhanced MRI hos patienter med mistænkelige fokale leverlæsioner: Billedkvalitetsvurdering

Denne undersøgelse har til formål at sammenligne billedkvaliteter mellem konventionelt rekonstruerede MR-sekvenser og rekonstruerede MR-sekvenser med dyb indlæring fra de samme data hos patienter, som gennemgår Gd-EOB-DTPA-forstærket lever-MR. AIRTM deep learning-sekvensen er anvendelig til forskellige MRI-sekvenser, herunder T2-vægtet billede (T2WI), T1-vægtet billede og diffusionsvægtet billede (DWI). Vi planlægger at udføre intra-individuelle sammenligninger af billedkvaliteterne mellem to rekonstruerede billeddatasæt.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

52

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiesteder

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

20 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Beskrivelse

Inklusionskriterier:

  • ældre end 20 år
  • planlagt til Gd-EOB-DTPA forbedret lever MRI ved en 3T scanner (Premier, GE Healthcare) i vores institution
  • underskrevet informeret samtykke

Ekskluderingskriterier:

  • yngre end 20 år
  • enhver absolut/relativ kontrastindikation af Gd-EOB-DTPA forstærket MRI
  • anamnese med forbigående dyspnø efter Gd-EOB-DTPA administration

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: Ikke-randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Enkelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Andet: Konventionel billedrekonstruktion
Gd-EOB-DTPA-forstærkede lever MRI-billeder rekonstrueres ved hjælp af en konventionel billedrekonstruktionsalgoritme. Den genereres automatisk fra en MR-konsol efter undersøgelsen.
Diagnostisk test: Lever MR
Gd-EOB-DTPA forbedret MRI består af T2-vægtet billede (T2WI), diffusionsvægtet billede (DWI) og prækontrast T1-vægtet billede (T1WI), dynamisk T1WI (arteriel, portal og overgangsfase) og hepatobiliær fase.
Aktiv komparator: Deep learning billedrekonstruktion

Gd-EOB-DTPA-forstærkede lever MRI-billeder rekonstrueres ved hjælp af en deep learning-baseret billedrekonstruktionsalgoritme (AIRTM). Det er desuden genereret bortset fra de konventionelle billeder.

Til opnåelse af billederne vil vi bruge de samme MRI-rådata, som bruges til konventionel billedrekonstruktion.
Diagnostisk test: Lever MR
Gd-EOB-DTPA forbedret MRI består af T2-vægtet billede (T2WI), diffusionsvægtet billede (DWI) og prækontrast T1-vægtet billede (T1WI), dynamisk T1WI (arteriel, portal og overgangsfase) og hepatobiliær fase.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Samlet billedkvalitet af arteriel fase
Tidsramme: 3 måneder efter afsluttet tilmelding
kvalitativ vurdering af arteriel fase på en fempunktsskala (højeste score indikerer bedre billedkvalitet)
3 måneder efter afsluttet tilmelding

Samarbejdspartnere og efterforskere

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

Sponsor

Seoul National University Hospital

Samarbejdspartnere

GE Healthcare

Efterforskere

  • Ledende efterforsker: Jeong Min Lee, MD, Seoul National University 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)

10. januar 2022

Primær færdiggørelse (Faktiske)

30. marts 2022

Studieafslutning (Forventet)

30. september 2023

Datoer for studieregistrering

Først indsendt

16. december 2021

Først indsendt, der opfyldte QC-kriterier

6. januar 2022

Først opslået (Faktiske)

10. januar 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

16. maj 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

15. maj 2023

Sidst verificeret

1. maj 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2021-3044

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 .

Kliniske forsøg med Leversygdomme

Kliniske forsøg med Lever MR

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Kazakhstan

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner