Deep Learning zur präoperativen Lungenbeurteilung in der Thorax-CT
Anwendung von Deep Learning in der CT-Bildgebung von Patienten mit elektiver Thoraxchirurgie: Beurteilung der präoperativen abnormalen Lungenfunktion
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Jianxing He, MD
- Telefonnummer: 86-20-83337792
- E-Mail: drjianxing.he@gmail.com
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510120
- Rekrutierung
- Department of Cardiothoracic Surgery, the First Affiliated Hospital of Guangzhou Medical College
-
Kontakt:
- Jianxing He, MD
- Telefonnummer: 86-20-83337792
- E-Mail: drjianxing.he@gmail.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- (1) Unterzeichnung der Einverständniserklärung;
- (2) Mann oder Frau im Alter von 18 bis 75 Jahren;
- (3) sich einer elektiven Thoraxoperation unterziehen;
- (4) Gute präoperative Lungenfunktionskooperation und vollständige Berichterstattung;
- (5) Präoperative Einzel-/Zweiphasen-CT-Scans des Brustkorbs ohne signifikante Artefakte und mit vollständiger Bildgebung;
- (6) Der Zeitraum zwischen der präoperativen Lungenfunktion und den Einzel-/Zweiphasen-CT-Scans beträgt höchstens einen Monat.
Ausschlusskriterien:
- (1) Schlechte präoperative Lungenfunktionskooperation oder fehlende Berichte;
- (2) Präoperative Einzel-/Zweiphasen-CT-Scans des Brustkorbs weisen erhebliche Artefakte oder Bildauslassungen auf;
- (3) Der Zeitraum zwischen der präoperativen Lungenfunktion und den Einzel-/Zweiphasen-CT-Scans beträgt mehr als einen Monat.
- (4) Komplikationen bei schweren Atemwegserkrankungen (z. B. Lungentransplantation, Pneumothorax, Riesenblasen usw.);
- (5) gleichzeitiges Vorliegen anderer schwerer funktioneller Beeinträchtigungen;
- (6) Patienten mit obstruktiven Läsionen wie Atemwegs- oder Ösophagusstenose;
- (7) Größe außerhalb des vorhergesagten Gleichungsbereichs (weiblich < 1,45 m; männlich < 1,55 m);
- (8) Medikamenteneinnahme vor der Lungenfunktionsprüfung, die nicht den Abbruchrichtlinien entspricht;
- (9) Qualität des Lungenfunktionsberichts mit der Einstufung D–F.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Kohorte mit einer einzelnen Inspirationsphase
Patienten in dieser Kohorte werden präoperativ einer einzelnen Inspirationsphasen-CT und Lungenfunktionstests unterzogen.
|
Nutzung der Deep-Learning-Technologie in Verbindung mit Einzelinspirationsphasen-Computertomographiebildern zur genauen Vorhersage der Lungenfunktionsindikatoren von Patienten mit präoperativer Thoraxchirurgie.
|
|
Respiratorische Zweiphasen-Kohorte
Patienten in dieser Kohorte werden präoperativ einer respiratorischen Zweiphasen-CT und Lungenfunktionstests unterzogen.
|
Nutzung der Deep-Learning-Technologie in Verbindung mit Zweiphasen-Computertomographiebildern der Atemwege, um die Lungenfunktionsindikatoren von Patienten mit präoperativer Thoraxchirurgie genau vorherzusagen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Mittlerer absoluter Fehler (MAE)
Zeitfenster: 2 Jahre
|
Wird verwendet, um die Diskrepanz zwischen den Lungenfunktionsvorhersagen des Deep-Learning-Algorithmus und den tatsächlichen Ergebnissen von Lungenfunktionstests (gemessen mit einem Spirometer) zu bewerten.
|
2 Jahre
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Konkordanzkorrelationskoeffizient (CCC)
Zeitfenster: 2 Jahre
|
Wird verwendet, um die Diskrepanz zwischen den Lungenfunktionsvorhersagen des Deep-Learning-Algorithmus und den tatsächlichen Ergebnissen von Lungenfunktionstests (gemessen mit einem Spirometer) zu bewerten.
|
2 Jahre
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Jianxing He, MD, Department of Cardiothoracic Surgery, the First Affiliated Hospital of Guangzhou Medical College
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- ES-2024-091-02
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .
Klinische Studien zur Lungenfunktion
-
NCT05561985VerfügbarSTAT1 Gain-of-Function-Erkrankung
-
NCT06924307RekrutierungKognitive Intervention zur Förderung einer gesunden Entwicklung der Fähigkeiten (Executive Function) bei kleinen Kindern
-
NCT07360574Noch keine RekrutierungArthrogryposis Multiplex congenita | Piezo2-Mutation Gain of Function
-
NCT02889757UnbekanntSchutzwirkung bei TB-DIH | TB-DIH bedeutet: Drug Induced Liver Function Abnormalities
-
NCT07547644Noch keine RekrutierungZerebralparese (CP) | Virtuelle Realität | Balance | Beweglichkeit | GMFCS (Brutto Motor Function Classification System (GMFCS) Level I, II | Bruttomotorfunktionen
-
NCT06831591AbgeschlossenZerebralparese (CP) | Zuverlässigkeit und Gültigkeit | Funktionstest | GMFCS (Brutto Motor Function Classification System (GMFCS) Level I, II
-
NCT07284641RekrutierungChronische granulomatöse Krankheit | DiGeorge-Syndrom | Immundysregulation | Common Variable Immunodeficiency (CVID) | Omenn-Syndrom | CD40-Ligandenmangel | Mendelsche Anfälligkeit für mykobakterielle Erkrankungen | Primäre Immunregulationsstörung | STAT 1 Gain of Function | STAT 3 Gain of Function
Klinische Studien zur Einzelinspirationsphasen-Computertomographie.
-
NCT02927678UnbekanntOsteomyelitis des diabetischen Fußes
-
NCT06964152Anmeldung auf EinladungKammerflimmern | Ventrikuläre Tachykardie (VT) | Vorzeitige ventrikuläre Kontraktion (PVC)
-
NCT07140419Noch keine RekrutierungKoronare Herzkrankheit | Brustschmerzen | Notfallabteilung
-
NCT04242732Abgeschlossen
-
NCT06814587RekrutierungKoronare Herzkrankheit | Bypass -Transplantat der Koronararterie (CABG)
-
NCT05518617RekrutierungParkinson Krankheit | Neurodegenerative Krankheiten | Neurodegenerative Erkrankung, erblich | Parkinson | Störung des Nervensystems