- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05633732
Udvikling af ekkokardiografi billedkvalitetsstyringssystem baseret på dyb læring
21. februar 2023 opdateret af: The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Ekkokardiografi Billedkvalitetsstyringssystem baseret på Deep Learning: A Single-center Prospective Study
At udvikle et ekkokardiografi billedkvalitetsstyringssystem baseret på dyb læring for at opnå objektiv og nøjagtig automatisk ekkokardiografi billedkvalitetskontrol.
I alt 2000 patienter, der udførte transthorax ekkokardiografi, blev prospektivt indskrevet i afdelingen for ultralydsmedicin på det tilknyttede Drum Tower Hospital med Medical School of Nanjing University.
Dataene for 8 TTE-visningssegmenteringer blev indsamlet, inklusive visningerne af den parasternale lange akse af venstre ventrikel (PLAX_LV), parasternal korte akse af det store karniveau (PSAX_GV), den parasternale korte akse af mitralklapniveauet (PSAX_MV), parasternal kort akse af papillærmuskelniveauet (PSAX_PM), parasternal kort akse af det apikale niveau (PSAX_AP), apikale fire hulrum (A4C), apikale tre hulrum (A3C), apikale 2 hulrum (A2C).
Data fra 1500 patienter blev brugt som træningssæt, og resten blev brugt som valideringssæt.
Disse videodata blev klassificeret i tilsvarende visningssegmenteringer og analyseret af Video Swin Transformed Model.
Derefter blev scoringsmodulet af forskellige visningssegmenteringer kombineret nøgleframe-udtrækning, billedsegmentering, videomålgenkendelse og videoklassificeringsmodel etableret.
Samtidig blev scoren opnået af det automatiske ekkokardiografi billedvurderingssystem sammenlignet med den kunstige score.
Ved konstant at rette og lære og til sidst bygge et primært automatiseret karaktersystem.
Til sidst blev det automatiske ekkokardiografi billedvurderingssystem konstrueret og udført på de resterende 500 patienter.
Studieoversigt
Status
Rekruttering
Betingelser
Detaljeret beskrivelse
At udvikle et ekkokardiografi billedkvalitetsstyringssystem baseret på dyb læring for at opnå objektiv og nøjagtig automatisk ekkokardiografi billedkvalitetskontrol.
I alt 2000 patienter, der udførte transthorax ekkokardiografi, blev prospektivt indskrevet i afdelingen for ultralydsmedicin på det tilknyttede Drum Tower Hospital med Medical School of Nanjing University.
Inklusionskriterierne: Patienter med standardiseret TTE-visningssegmentering; Eksklusionskriterierne: Patienter med ufuldstændige standardsegmenteringer.
Dataene for 8 TTE-visningssegmenteringer blev indsamlet, inklusive visningerne af den parasternale lange akse af venstre ventrikel (PLAX_LV), parasternal korte akse af det store karniveau (PSAX_GV), den parasternale korte akse af mitralklapniveauet (PSAX_MV), parasternal kort akse af papillærmuskelniveauet (PSAX_PM), parasternal kort akse af det apikale niveau (PSAX_AP), apikale fire hulrum (A4C), apikale tre hulrum (A3C), apikale 2 hulrum (A2C).
Data fra 1500 patienter blev brugt som træningssæt, og resten blev brugt som valideringssæt.
Disse videodata blev klassificeret i tilsvarende visningssegmenteringer og analyseret af Video Swin Transformed Model.
Derefter blev scoringsmodulet af forskellige visningssegmenteringer kombineret nøgleframe-udtrækning, billedsegmentering, videomålgenkendelse og videoklassificeringsmodel etableret.
Samtidig blev scoren opnået af det automatiske ekkokardiografi billedvurderingssystem sammenlignet med den kunstige score.
Ved konstant at rette og lære og til sidst bygge et primært automatiseret karaktersystem.
Endelig blev ekkokardiografi-billedkvalitetsstyringssystemet udført på de resterende 500 patienter og forbedret.
Undersøgelsestype
Observationel
Tilmelding (Forventet)
2000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Jing Yao, Phd
- Telefonnummer: +8618905188727
- E-mail: w1835199709@163.com
Studiesteder
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina, 210008
- Rekruttering
- Affiliated Drum Tower Hospital of Nanjing University Medical School
-
Kontakt:
- Jing Yao, Phd
- Telefonnummer: +18905188727
- E-mail: w18351992709@163.com
-
-
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 og ældre (Voksen, Ældre voksen)
Tager imod sunde frivillige
Ja
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
patienter med standardiserede TTE-visninger
Beskrivelse
Inklusionskriterier:
- alder ≥18 år, køn ubegrænset;
- Patienter med standardiserede TTE-visninger;
- Forsøgspersonerne deltog frivilligt i undersøgelsen og underskrev informeret samtykke;
Ekskluderingskriterier:
- patienter med ufuldstændige standard TTE-visninger;
- patienter med dårlige lydtransmissionsforhold.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Andet
- Tidsperspektiver: Fremadrettet
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Standardiseret visningsgruppe
De ekkokardiografiske billeder af patienter i denne gruppe er standardiserede.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
resultatet af PSAX view
Tidsramme: 12 måneder
|
scoren for PSAX-visning af ekkokardiografi-billedkvalitetsstyringssystemet
|
12 måneder
|
|
scoren for apikale udsigt
Tidsramme: 12 måneder
|
scoren for apikal visning af ekkokardiografi-billedkvalitetsstyringssystemet
|
12 måneder
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Samarbejdspartnere
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- Thiebaut R, Thiessard F; Section Editors for the IMIA Yearbook Section on Public Health and Epidemiology Informatics. Artificial Intelligence in Public Health and Epidemiology. Yearb Med Inform. 2018 Aug;27(1):207-210. doi: 10.1055/s-0038-1667082. Epub 2018 Aug 29.
- Sengupta PP, Shrestha S. Machine Learning for Data-Driven Discovery: The Rise and Relevance. JACC Cardiovasc Imaging. 2019 Apr;12(4):690-692. doi: 10.1016/j.jcmg.2018.06.030. Epub 2018 Dec 12. No abstract available.
- Ueda D, Shimazaki A, Miki Y. Technical and clinical overview of deep learning in radiology. Jpn J Radiol. 2019 Jan;37(1):15-33. doi: 10.1007/s11604-018-0795-3. Epub 2018 Dec 1.
- Madani A, Arnaout R, Mofrad M, Arnaout R. Fast and accurate view classification of echocardiograms using deep learning. NPJ Digit Med. 2018;1:6. doi: 10.1038/s41746-017-0013-1. Epub 2018 Mar 21.
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)
30. december 2022
Primær færdiggørelse (Forventet)
31. december 2024
Studieafslutning (Forventet)
31. december 2025
Datoer for studieregistrering
Først indsendt
21. november 2022
Først indsendt, der opfyldte QC-kriterier
21. november 2022
Først opslået (Faktiske)
1. december 2022
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Skøn)
23. februar 2023
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
21. februar 2023
Sidst verificeret
1. september 2022
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- 2022-337-01
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
UBESLUTET
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 Ekkokardiografi
-
Tianjin Chest HospitalRekrutteringKoronararteriesygdom | Stabil Angina Pectoris | Større uønskede hjertehændelser | Invasiv koronar angiografi | Transthorcic EchocardiographyKina