Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Deep Learning of Knee Joint MRI Intelligent Detection

8. Juli 2021 aktualisiert von: Peking University Third Hospital
Knee joint is the most common part of sports injury. MRI is a powerful tool to diagnose knee joint injury. However, it takes a long time to read the film, needs a lot, and some hidden injuries have a high rate of missed diagnosis. The emerging deep learning technology can establish automatic recognition model through large samples. A large sample of knee joint MRI was collected retrospectively to train the deep learning model of knee joint MRI, and the sensitivity and specificity of the deep learning model were verified in multi center. Depending on the clinical needs, the deep learning model annotation system is established. A large number of knee MRI were obtained and labeled. According to the knee joint MRI training depth learning model, and iterative optimization, the final version is formed. Multi center validation was carried out. Continuous operation records and corresponding preoperative knee MRI were obtained from multiple hospitals. The sensitivity and specificity of the model were calculated with operation records as the gold standard. At the same time, an expert team composed of senior radiologists and sports medicine doctors was organized to read the films. The sensitivity and specificity of manual reading and AI reading were compared to prove the superiority of AI reading. This study can improve the efficiency of clinical MRI film reading, reduce the workload of doctors, improve the film reading level of grass-roots hospitals, promote the development of the discipline, and has good social benefits and market prospects.

Studienübersicht

Status

Status

Zeigt den aktuellen Rekrutierungsstatus oder den erweiterten Zugriffsstatus an.
Rekrutierung

Bedingungen

Bedingungen

Die Krankheit, Störung, das Syndrom, die Krankheit oder die Verletzung, die untersucht wird. Auf ClinicalTrials.gov können die Bedingungen auch andere gesundheitsbezogene Themen wie Lebensdauer, Lebensqualität und Gesundheitsrisiken umfassen.

Detaillierte Beschreibung

The knee joint is the most common sports injury site in the human body, including ligament rupture, meniscus tear, cartilage lesions, and free body formation. Knee MRI has extremely high sensitivity and specificity in diagnosing knee diseases, especially its negative predictive value is close to 100%, and it is an effective means to assist clinicians in diagnosing knee diseases. However, there are many MRI sequences of the knee joint, and different diseases have different imaging effects on various sequences, and the types of knee joint diseases are complicated, so it takes a long time to evaluate the knee joint MRI. Due to the huge clinical demand for knee MRI, it has caused a great burden on radiology and sports medicine orthopedics. At the same time, for some special injuries of the knee joint, such as hidden meniscus tear, rupture of the anterior cross part and adhesion in place after rupture, local ligament injury, etc., the conclusions given by different readers are very different, and it is easy to miss the diagnosis. And the missed diagnosis seriously affects the prognosis of the knee joint, leading to the progression of arthritis. In addition, professional musculoskeletal system imaging experts have a long training cycle, and a large number of orthopedic doctors and radiologists in basic hospitals have limited reading skills for knee MRI, which limits the development of local sports medicine disciplines and the development of related diagnosis and treatment. The purpose of our research is to train the deep learning model of knee MRI through multi-center and large sample of knee MRI; Multi-center verification of the sensitivity and specificity of the knee MRI deep learning model, and compare the accuracy of the deep learning model and manual image reading.

Studientyp

Studientyp

Beschreibt die Art einer klinischen Studie. Zu den Studientypen gehören Interventionsstudien (auch klinische Studien genannt), Beobachtungsstudien (einschließlich Patientenregister) und erweiterter Zugang.
Beobachtungs

Einschreibung (Voraussichtlich)

Einschreibung

Die Anzahl der Teilnehmer an einer klinischen Studie. Die „erwartete“ Einschreibung ist die Zielzahl an Teilnehmern, die die Forscher für die Studie benötigen.
50000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienkontakt

Der Name und die Kontaktinformationen der Person, die Fragen zur Registrierung für eine klinische Studie beantworten kann. Jeder Standort, an dem die Studie durchgeführt wird, kann auch einen bestimmten Ansprechpartner haben, der diese Fragen möglicherweise besser beantworten kann.

Studienorte

  • China
    • Beijing
      • Beijing, Beijing, China, 100191
        • Rekrutierung
        • Institute of Sports Medicine, Peking University Third Hospital
        • Kontakt:
          • Ai-Bing Huang, PhD
          • Telefonnummer: 8615650715003
          • E-Mail: hab165@163.com

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Zulassungskriterien

Die wichtigsten Voraussetzungen, die Personen erfüllen müssen, die an einer klinischen Studie teilnehmen möchten, bzw. welche Eigenschaften sie mitbringen müssen. Auswahlkriterien bestehen sowohl aus Einschlusskriterien (die erforderlich sind, damit eine Person an der Studie teilnehmen kann) als auch aus Ausschlusskriterien (die eine Person an der Teilnahme hindern). Arten von Zulassungskriterien umfassen, ob eine Studie gesunde Freiwillige akzeptiert, Alters- oder Altersgruppenanforderungen hat oder durch das Geschlecht begrenzt ist.

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

N/A

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

All patients related to sports injuries

Beschreibung

Inclusion Criteria:

  1. ACL-injured patients;
  2. Follow-up of patients after ACL injury;
  3. patients with genetic predisposition to ACL injury;

Exclusion Criteria:

  1. Patients with joint injury caused by clear external forces;
  2. Definitely have stroke, heart disease, epilepsy, cranial neurosurgery, migraine;
  3. Have had a concussion or head injury in the past 6 months.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Kohorte
  • Zeitperspektiven: Retrospektive

Was misst die Studie?

Primäre Ergebnismessungen

Primäre Ergebnismessungen

Im Protokoll einer klinischen Studie die geplante Ergebnismessung, die für die Bewertung der Wirkung einer Intervention/Behandlung am wichtigsten ist. Die meisten klinischen Studien haben einen primären Endpunkt, aber einige haben mehr als einen.
Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Marking system design based on Magnetic Resonance Imaging（MRI）
Zeitfenster: 2021
According to the development goals, combined with the performance of MRI and the structure of the model algorithm, the labeling rules and logic of knee MRI are determined. On this basis, a labeling system is designed, and different labeling tools are designed for a variety of lesions.
2021
Data export and annotation
Zeitfenster: 2021
Encrypt the MRI file and import it into the medical standard intelligent labeling system. Create a dedicated tagging account for each tagger to tag. Based on the previously marked image data, develop algorithms for segmenting different lesion areas.
2021
Build a deep learning model
Zeitfenster: 2021
According to the diagnostic logic, we select the coronal and sagittal images of the knee joint T2 MRI sequence for analysis. And choose the Resnext model that has been verified by a large number of ImageNet and other large data sets to extract the features of the coronal out-of-state images. After the multi-layer convolution operation, the key feature representation of the image is extracted. At the same time, in the process of feature extraction, the batch normalization module is used to perform feature transformation to highlight the most meaningful part of the feature.
2021

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Sponsor

Die Organisation oder Person, die die Studie initiiert und die Autorität und Kontrolle über die Studie hat.
Peking University Third Hospital

Mitarbeiter

Mitarbeiter

Eine andere Organisation als der Sponsor, die eine klinische Studie unterstützt. Diese Unterstützung kann Aktivitäten im Zusammenhang mit Finanzierung, Design, Implementierung, Datenanalyse oder Berichterstattung umfassen.
Chinese PLA General Hospital
Huashan Hospital
Hebei Medical University Third Hospital
Shanghai Jiao Tong University Affiliated Sixth People's Hospital
Inner Mongolia People's Hospital
The First Affiliated Hospital of BaoTou Medical College
Fourth Medical Center of PLA General Hospital
The 8th medical center of chinese PLA general hospital
Tianjin Hospital

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

Studienbeginn

Das tatsächliche Datum, an dem der erste Teilnehmer in eine klinische Studie aufgenommen wurde. Das „voraussichtliche“ Studienstartdatum ist das Datum, von dem die Forscher glauben, dass es das Studienstartdatum sein wird.
1. Januar 2021

Primärer Abschluss (Voraussichtlich)

Primärer Abschluss

Das Datum, an dem der letzte Teilnehmer einer klinischen Studie untersucht wurde oder eine Intervention erhalten hat, um endgültige Daten für das primäre Ergebnis zu sammeln. Ob die klinische Studie protokollgemäß endete oder beendet wurde, hat keinen Einfluss auf dieses Datum. Bei klinischen Studien mit mehr als einem primären Ergebnismaß mit unterschiedlichen Abschlussdaten bezieht sich dieser Begriff auf das Datum, an dem die Datenerhebung für alle primären Ergebnismaße abgeschlossen ist. Das „erwartete“ primäre Abschlussdatum ist das Datum, von dem die Forscher glauben, dass es das primäre Abschlussdatum für die Studie sein wird.
31. Dezember 2021

Studienabschluss (Voraussichtlich)

Studienabschluss

Das Datum, an dem der letzte Teilnehmer an einer klinischen Studie untersucht wurde oder eine Intervention/Behandlung erhielt, um endgültige Daten für die primären Ergebnismaße, sekundären Ergebnismaße und Nebenwirkungen zu sammeln (d. h. der letzte Besuch des letzten Teilnehmers). Das „voraussichtliche“ Abschlussdatum der Studie ist das Datum, von dem die Forscher glauben, dass es das Abschlussdatum der Studie sein wird.
15. Mai 2022

Studienanmeldedaten

Zuerst eingereicht

Zuerst eingereicht

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht bei ClinicalTrials.gov eingereicht hat. Zwischen dem Datum der ersten Einreichung und der Verfügbarkeit des Datensatzes auf ClinicalTrials.gov (dem ersten veröffentlichten Datum) liegt in der Regel eine Verzögerung von einigen Tagen.
27. Juni 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht einreicht, der den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) entspricht. Der Sponsor oder Prüfer muss möglicherweise einen Studienbericht ein- oder mehrmals überarbeiten und einreichen, bevor die QC-Überprüfungskriterien von NLM erfüllt sind. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
8. Juli 2021

Zuerst gepostet (Tatsächlich)

Zuerst gepostet

Das Datum, an dem der Studienbericht zum ersten Mal auf ClinicalTrials.gov verfügbar war, nachdem die Qualitätskontrolle (QC) der National Library of Medicine (NLM) abgeschlossen wurde. Zwischen dem Datum, an dem der Studiensponsor oder Prüfer den Studienbericht eingereicht hat, und dem ersten veröffentlichten Datum liegt in der Regel eine Verzögerung von einigen Tagen.
12. Juli 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

Letztes Update gepostet

Das letzte Datum, an dem Änderungen an einem Studienbericht auf ClinicalTrials.gov verfügbar gemacht wurden. Es kann eine Verzögerung zwischen der Übermittlung der Änderungen an ClinicalTrials.gov durch den Sponsor oder Prüfer der Studie (Datum der letzten eingereichten Aktualisierung) und dem Datum der letzten Veröffentlichung der Aktualisierung geben.
12. Juli 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Das letzte Datum, an dem der Studiensponsor oder Prüfer Änderungen an einem Studienbericht eingereicht hat, die mit den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) übereinstimmen. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
8. Juli 2021

Zuletzt verifiziert

Zuletzt verifiziert

Das letzte Datum, an dem der Studiensponsor oder Prüfer die Informationen über eine klinische Studie auf ClinicalTrials.gov als richtig und aktuell bestätigt hat. Wenn eine Studie den Rekrutierungsstatus Recruiting hat; noch keine Rekrutierung; oder aktiv, keine Rekrutierung wurde innerhalb der letzten 2 Jahre nicht bestätigt, der Rekrutierungsstatus der Studie wird als unbekannt angezeigt.
1. Juni 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

Andere Studien-ID-Nummern

Andere Identifikatoren oder ID-Nummern als die NCT-Nummer, die einer klinischen Studie vom Sponsor der Studie, Geldgebern oder anderen zugewiesen werden. Diese Nummern können eindeutige Kennungen von anderen Studienregistern und Zuschussnummern der National Institutes of Health enthalten.
  • M2020243

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Cookie-Einstellungen

Wir verwenden Cookies, um sicherzustellen, dass Sie auf unserer Website die bestmögliche Erfahrung machen. Weitere Informationen finden Sie in unserer Datenschutz- und Cookie-Richtlinien. ...>>>Sie können Ihre Einstellungen jederzeit ändern oder Ihre Einwilligung widerrufen, indem Sie die Cookies wie in der Richtlinie beschrieben von Ihrer Website oder Ihrem Computer löschen. Bitte akzeptieren Sie es und wählen Sie Ihre Einstellungen, indem Sie die entsprechenden Kästchen im Abschnitt "Einstellungen verwalten" unten ankreuzen. Bitte lesen Sie unsere Nutzungsbedingungen sorgfältig durch, bevor Sie einen Teil dieser Website nutzen.
«Einstellungen verwalten