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

Anwendung des Multitask-Deep-Learning-Modells zur Einstufung des Schweregrads der Wirbelsäulengelenkdegeneration

8. August 2025 aktualisiert von: Hai Lv
Arthrose der Wirbelgelenke ist eine Erkrankung mit hoher Inzidenz bei Menschen über 40 Jahren. Es ist eine Krankheit, die durch eine Reihe degenerativer pathologischer Veränderungen und klinischer Merkmale von Synovium, Gelenkknorpel, subchondralem Knochen, Gelenkspalt und akzessorischen Geweben der Wirbelfacettengelenke unter der Wirkung mehrerer Faktoren gekennzeichnet ist. Einige physiologische oder pathologische Faktoren können zu Osteoarthritis der Wirbelgelenke führen. Patienten mit Facettenarthrose haben oft unterschiedliche Grade klinischer Manifestationen wie Rückenschmerzen und Dyskinesien, die die körperliche und geistige Gesundheit der Patienten erheblich beeinträchtigen. Der Schweregrad der Spinalfacetten-Osteoarthritis hat nicht nur einen gewissen Einfluss auf Schmerzen im unteren Rücken und Veränderungen der Muskeldichte im unteren Rücken, sondern beeinflusst auch das Patientenmanagement und den Behandlungsplan. Gegenwärtig haben verschiedene Ärzte eine gewisse Subjektivität bei der Einstufung der Lendenfacetten-Osteoarthritis, und die Konsistenz und Wiederholbarkeit der Ergebnisse sind schlecht. Darüber hinaus müssen Ärzte Bilder lesen und die Einstufung beurteilen, was eine sehr zeitaufwändige und sich wiederholende Arbeit ist. In den letzten Jahren wurde die Anwendung von Deep-Learning-Technologie in der medizinischen Bildanalyse von Klinikern stark in Betracht gezogen. Deep Learning hat große potenzielle Vorteile in der medizinischen Bildgebungsdiagnostik. Es kann halbautomatische Berichte unter Aufsicht von Radiologen erstellen, um die Genauigkeit, Konsistenz, Objektivität und Schnelligkeit der Beurteilung des Krankheitsgrades zu verbessern und die klinische Entscheidungsfindung auf dieser Grundlage weiter zu unterstützen. Dieses Projekt plant die Entwicklung eines intelligenten Diagnose- und Klassifizierungssystems für degenerative Erkrankungen der kleinen Gelenke der Wirbelsäule mit Multitasking und tiefgreifendem Lernen und die Überprüfung seiner klinischen Machbarkeit, mit dem Ziel, Klinikern dabei zu helfen, die Genauigkeit, Konsistenz, Objektivität und Schnelligkeit des zu verbessern entsprechende Bewertung des Krankheitsgrades und weitere Unterstützung der nachfolgenden klinischen Entscheidungsfindung.

Studienübersicht

Status

Status

Zeigt den aktuellen Rekrutierungsstatus oder den erweiterten Zugriffsstatus an.
Aktiv, nicht rekrutierend

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.

Intervention / Behandlung

Intervention / Behandlung

Ein Prozess oder eine Handlung, die im Mittelpunkt einer klinischen Studie steht. Interventionen umfassen Medikamente, medizinische Geräte, Verfahren, Impfstoffe und andere Produkte, die entweder in der Erprobungsphase oder bereits verfügbar sind. Interventionen können auch nicht-invasive Ansätze umfassen, wie z. B. Aufklärung oder eine Änderung der Ernährung und Bewegung.

Detaillierte Beschreibung

Bei diesem Projekt handelt es sich um eine retrospektive klinische Studie. Von 2019 bis 2022 wurden die Bilder im DICOM-Format und grundlegende Informationen zur Röntgen-, CT- und MR-Bildgebung von ambulanten und stationären Patienten mit Verdacht auf Kreuz und im fünften angeschlossenen Krankenhaus der Sun Yat sen-Universität gesammelt. Holen Sie sich den DICOM-Bildmodus, und der Informationsabschnitt exportiert die Daten, nachdem der OA-Stapel erfolgreich übermittelt wurde; Grundlegende Patienteninformationen werden aus der stationären Krankengeschichte erhoben. 700 Patienten sollen aufgenommen werden. Diese Projekte werden nach dem Zufallsprinzip in Trainingsset, Verifikationsset und Testset gemäß dem Verhältnis von 7:1,5:1,5 für die automatische Diagnose des Computer-Tiefenlernmodells unterteilt, um die Stabilität und Zuverlässigkeit des Modells zu testen. In 700 Projekten nahmen zwei Assistenzärzte und zwei leitende Ärzte mit jeweils zehnjähriger Filmleseerfahrung Grading-Messungen zu Gelenkstenose, Hypertrophie, Osteophyten, Gelenkoberflächenerosion und subchondralen Zysten vor. Die uneinheitlichen Ergebnisse in der Gruppe der Assistenzärzte wurden von den beiden Ärzten gemeinsam entschieden. Die Referenzstandardgruppe wurde von der Oberärztegruppe festgelegt. Durch den Vergleich der Diagnoseergebnisse von Klinikern und Modellen, um die Leistung und klinische Machbarkeit des Deep-Learning-Modells für die automatische Diagnose der Lendenfacettendegeneration zu bewerten. Vergleichen Sie die Ergebnisse des ärztlichen Urteils und der Modellvorhersage und analysieren Sie die Leistung der automatischen Diagnose statistisch Modell. Leistungsbewertungsindikatoren umfassen Genauigkeit, Sensitivität, Spezifität, Genauigkeit, Recall, F1-Wert und AUC-Wert. Der F1-Wert und der AUC-Wert sind die Hauptindikatoren für eine umfassende Bewertung der Modellleistung. Je höher der F1-Wert und AUC-Wert, desto stärker die Modellleistung.

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 (Geschätzt)

Einschreibung

Die Anzahl der Teilnehmer an einer klinischen Studie. Die „erwartete“ Einschreibung ist die Zielzahl an Teilnehmern, die die Forscher für die Studie benötigen.
1132

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.

Studieren Sie die Kontaktsicherung

  • Name: Lv Hai, Chief physician;doctor
  • Telefonnummer: 18665000036
  • E-Mail: 18665000036@qq.com

Studienorte

  • China
    • Guangdong
      • Zhuhai, Guangdong, China
        • The fifth affiliated hospital of SYSU

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Bei Patienten, die aufgrund von Rückenschmerzen eine bildgebende Untersuchung erhalten, ist der Grad der Degeneration der Facettengelenke der Patienten nicht bis schwer. Entfernen Sie Patienten, die die Ausschlusskriterien erfüllen, um zu vermeiden, dass eine schlechte Bildqualität die Beurteilung beeinträchtigt.

Beschreibung

Einschlusskriterien:

- Von 2019 bis 2022 Daten von Patienten, die sich einer lumbalen Bildgebungsuntersuchung im fünften angeschlossenen Krankenhaus der Sun Yat sen-Universität unterzogen

Ausschlusskriterien:

  • Lumbale Spondylolisthese
  • Früherer Wirbelbruch
  • Haben Sie eine Vorgeschichte von Wirbeloperationen
  • Schwere Artefakte bei lumbalen Bildern

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Sonstiges
  • Zeitperspektiven: Retrospektive

Kohorten und Interventionen

Gruppe / Kohorte

Gruppe / Kohorte

Eine Gruppe oder Untergruppe von Teilnehmern an einer Beobachtungsstudie, die hinsichtlich biomedizinischer oder gesundheitlicher Ergebnisse bewertet wird.
Trainingsgruppe
70 % der Teilnehmer wurden zufällig in Trainingsgruppen eingeteilt, um die Lernleistung der Maschine zu trainieren
Validierungsgruppe
15 % der Teilnehmer wurden nach dem Zufallsprinzip in Validierungsgruppen eingeteilt, um die Lernleistung der Maschine zu verbessern und eine Überanpassung zu vermeiden
Testgruppe
15 % der Teilnehmer wurden nach dem Zufallsprinzip in Testgruppen eingeteilt, um die Lernleistung der Maschine zu testen und Forschungsrückschlüsse zu ziehen

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
Vergleich der Genauigkeit des Multitask-Deep-Learning-Modells und von Ärzten bei der Beurteilung der Degeneration der Wirbelsäulenfacettengelenke
Zeitfenster: 2022.12.01-2023.07.31
Es wird hauptsächlich verwendet, um die Anzahl der korrekt vorhergesagten Proben in der Gesamtzahl der Proben anzugeben. Richtig positiv (TP), falsch negativ (FN), falsch positiv (FP), richtig negativ (TN). Genauigkeit = (TP + TN) / (TP+FN+FP+TN)
2022.12.01-2023.07.31
Vergleich der Präzision des Multitask-Deep-Learning-Modells und von Ärzten bei der Beurteilung der Degeneration der Wirbelsäulenfacettengelenke
Zeitfenster: 2022.12.01-2023.07.31
Richtig positiv (TP), falsch negativ (FN), falsch positiv (FP), richtig negativ (TN). Präzision = TP / (TP + FP)
2022.12.01-2023.07.31
Vergleich der Sensitivität des Multitask-Deep-Learning-Modells und von Ärzten bei der Beurteilung der Facettengelenkdegeneration der Wirbelsäule
Zeitfenster: 2022.12.01-2023.07.31
Richtig positiv (TP), falsch negativ (FN), falsch positiv (FP), richtig negativ (TN). Empfindlichkeit = TP / (TP + FN)
2022.12.01-2023.07.31
Vergleich der Spezifität des Multitask-Deep-Learning-Modells und von Ärzten bei der Beurteilung der Degeneration der Wirbelsäulenfacettengelenke
Zeitfenster: 2022.12.01-2023.07.31
Richtig positiv (TP), falsch negativ (FN), falsch positiv (FP), richtig negativ (TN). Spezifität = TN / (TN + FP)
2022.12.01-2023.07.31
Berechnen Sie den F1-Score zur Bewertung des Schweregrads der Degeneration von Facettengelenken im Multitask-Deep-Learning-Modell
Zeitfenster: 2022.12.01-2023.07.31
F1-Score ist ein wichtiger Bewertungsindikator für die automatische Klassifizierung, F1 = 2 * Präzision * Empfindlichkeit / (Präzision + Empfindlichkeit) = 2TP / (2TP + FP + FN)
2022.12.01-2023.07.31
ROC (Receiver Operation Characteristic) wird als Empfängerbetriebskennlinie bezeichnet, die ein Index zur Bewertung der Leistung des Deep-Learning-Modells ist
Zeitfenster: 2022.12.01-2023.07.31
ROC (Receiver Operation Characteristic) wird als Empfängerbetriebskennlinie bezeichnet. Je näher die Kurve an der oberen linken Ecke liegt, desto besser ist der Klassifikator. Die Fläche unter der ROC-Kurve wird als AUC bezeichnet. Je größer die AUC ist, desto besser ist die Klassifikationswirkung des Klassifikators.
2022.12.01-2023.07.31

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.
Hai Lv

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.
31. Dezember 2022

Primärer Abschluss (Geschätzt)

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 2026

Studienabschluss (Geschätzt)

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.
31. Dezember 2026

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.
23. November 2022

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.
1. Dezember 2022

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.
2. Dezember 2022

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.
13. August 2025

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. August 2025

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. August 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

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.
  • ZDWY.JZWK.004

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Bei Bedarf kann es zur Verfügung gestellt werden

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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