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

Anvendelse af kunstig intelligensalgoritme baseret på CT -billeddannelse til muskelparametermåling

20. februar 2025 opdateret af: Yaomin Hu, RenJi Hospital

Anvendelse af kunstig intelligensalgoritme baseret på CT -billeddannelse til muskelparametermåling i diagnosen sarkopeni

At etablere en kunstig intelligensmodel til automatiseret diagnose af sarkopeni baseret på CT -billeddannelse

Studieoversigt

Status

Afsluttet

Betingelser

Detaljeret beskrivelse

Med den accelererende aldringsproces er den tidlige identifikation og diagnose af sarkopeni sammen med effektiv forebyggelse af dets ugunstige resultater blevet et samlingspunkt i medicinsk forskning. Imidlertid står de nuværende metoder til vurdering og diagnosticering af sarkopeni stadig over for betydelige begrænsninger, hvilket gør udviklingen af ​​mere effektive og nøjagtige teknikker til evaluering af muskelmasse til et presserende klinisk behov. Selvom CT betragtes som den mest lovende metode til vurdering af muskelmasse, hindres dens praktiske anvendelse af faktorer som afhængighed af lægeekspertise og tidskrævende procedurer, hvilket begrænser dens udbredte kliniske vedtagelse. I lyset af disse udfordringer sigter denne undersøgelse at udvikle en kunstig intelligensmodel til fuldautomatisk muskelmasse måling baseret på abdominal CT -billeddannelse og validere dens anvendelsesværdi til at hjælpe diagnosen af ​​sarkopeni.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1080

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Shanghai
      • Shanghai, Shanghai, Kina, 2000127
        • Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

960 indpatienter i det geriatriske afdeling for Renji Hospital, 20 patienter fra Ruijin Hospital tilknyttet Shanghai Jiaotong University School of Medicine, 20 patienter fra det første tilknyttede hospital på Zhejiang Medical University, 50 patienter fra det første tilknyttede Hospital of Wenzhou Medical University og 30 patienter fra Huangshan People's Hospital.

Beskrivelse

Inkluderingskriterier ：

  1. Befolkningen, der gennemgår BIA og abdominal CT -undersøgelser;
  2. Kan samarbejde for at gennemføre analyse af menneskelig kropssammensætning, måling af grebstyrke, 6m gåtidsmåling og spørgeskemaundersøgelse.

Ekskluderingskriterier ：

  1. Alder <18 år gammel;
  2. Eksistens af abdominal væg ødem;
  3. Historie om spinalkirurgi eller rygsøjlefrakturer eller rygsøjle -tumorlæsioner;
  4. Historie om neuromuskulære lidelser.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Til automatiseret og præcist kvantificer tredimensionel muskelvolumen og fedtvolumen.
Tidsramme: 2020-2023
For at opnå en automatiseret og præcis kvantificering af tredimensionel muskelvolumen og fedtvolumen i L3-rygsøjlen ved dyb læring.
2020-2023
At etablere en kunstig intelligensmodel til diagnose af sarkopeni.
Tidsramme: 2020-2023
Valideringen af ​​kunstige intelligensmodeller kan hjælpe med diagnosen sarkopeni.
2020-2023

Samarbejdspartnere og efterforskere

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

Sponsor

RenJi 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)

5. september 2023

Primær færdiggørelse (Faktiske)

31. december 2024

Studieafslutning (Faktiske)

31. december 2024

Datoer for studieregistrering

Først indsendt

20. februar 2025

Først indsendt, der opfyldte QC-kriterier

20. februar 2025

Først opslået (Faktiske)

25. marts 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

20. februar 2025

Sidst verificeret

1. februar 2025

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • LY2023-150-A

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 Kropssammensætning

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in South Africa

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner