Blærekræftdetektion ved hjælp af konvolutionelle neurale netværk (BLAInostic)
28. januar 2024 opdateret af: Zealand University Hospital
Efterforskerne sigter mod at eksperimentere og implementere forskellige deep learning-arkitekturer for at opnå nøjagtighed på menneskeligt niveau i computerstøttede diagnosesystemer (CAD).
Især er efterforskerne interesseret i at påvise blæretumorer fra CT-urografi-scanninger og cystoskopier af blæren i dette projekt.
Studieoversigt
Detaljeret beskrivelse
Efterforskerne sigter mod at eksperimentere og implementere forskellige deep learning-arkitekturer for at opnå nøjagtighed på menneskeligt niveau i computerstøttede diagnosesystemer (CAD).
Især er efterforskerne interesseret i at påvise blæretumorer fra CT-urografi-scanninger og cystoskopier af blæren i dette projekt.
Efterforskerne ønsker at klassificere blæretumorer som cancer, ikke-kræft, højgradig og lavgradig, invasiv og ikke-invasiv, med høj følsomhed og lav falsk positiv rate ved hjælp af forskellige foldede neurale netværk (CNN).
Denne opgave kan betragtes som det første skridt i opbygningen af CAD-systemer til diagnose af blærekræft.
Ved at automatisere denne opgave reducerer investigator-scanningen desuden den tid, radiologerne har til at skabe store mærkede datasæt af CT-urografi-scanninger, og reducerer det falsk-negative og positive, der kan ske på grund af humane evalueringscystoskopier.
Undersøgelsestype
Observationel
Tilmelding (Anslået)
5000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Nessn Azawi, phd
- Telefonnummer: 26393034
- E-mail: nesa@regionsjaelland.dk
Studiesteder
-
-
-
Roskilde, Danmark, 4000
- Rekruttering
- Zealand University Hospital
-
Kontakt:
- Nessn H. Azawi, M.D.
- Telefonnummer: 004526393034
- E-mail: nesa@regionsjaelland.dk
-
Ledende efterforsker:
- Nessn Azawi, Ph.D
-
-
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
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ingen
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Patienter med mikro- eller makroskopisk hæmaturi
Beskrivelse
Inklusionskriterier:
- Patienter med førstegangshæmaturi
- Patienter med kontrolprogrammet for tidligere blærekræft
Ekskluderingskriterier:
- Patienter med kontrolcystoskop for ikke-kræftmistænkt sygdom
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 |
|---|---|
|
Påvisning af blæretumor
Patienter med hæmaturi eller tidligere blæretumor
|
Påvisning af blæretumor ved hjælp af kunstig intelligens
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammenligning af standardteknik med Machine Learning
Tidsramme: 5 år
|
Nøjagtigheden af maskinlæring til at opdage blærekræft sammenlignet med standard cystoskopi
|
5 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Detektering af nøjagtighed af undertyper af blærekræft
Tidsramme: 5 år
|
Maskinlærings evne til at identificere højgradig blærekræft fra lavgradig blærekræft
|
5 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Efterforskere
- Ledende efterforsker: Nessn Azawi, phd, Zealand 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)
1. juni 2021
Primær færdiggørelse (Anslået)
1. juni 2026
Studieafslutning (Anslået)
1. juni 2026
Datoer for studieregistrering
Først indsendt
17. november 2021
Først indsendt, der opfyldte QC-kriterier
14. januar 2022
Først opslået (Faktiske)
18. januar 2022
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
30. januar 2024
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
28. januar 2024
Sidst verificeret
1. januar 2024
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- SJ-905
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 .