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

Modellbasierte Bildrekonstruktion für Röntgen-CT in der Lungenbildgebung

3. Februar 2016 aktualisiert von: Jeffrey Fessler PhD., University of Michigan
Entwicklung eines Computerprogramms, das die Qualität von CT-Bildern verbessert und die Menge an Röntgenstrahlung verringert, der künftige Patienten bei einer CT-Untersuchung ausgesetzt sein könnten.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Wir werden die Patienten um ihre Erlaubnis bitten, das Sinogramm ihres CT-Scans zu speichern und zu verwenden. Das Sinogramm wird deidentifiziert und zur Speicherung an ein Archivsystem gesendet. Es wird zur Verarbeitung mithilfe von MBIR (modellbasierte iterative Rekonstruktion) auf einen Computer exportiert. MBIR (modellbasierte iterative Rekonstruktion) ist eine neue Methode zur Verarbeitung von CT-Sinogrammen. Die neu rekonstruierten Bilder werden von Experten überprüft, um festzustellen, ob sie genauso lesbar und genau sind wie CT-Bilder, die mit der derzeit verwendeten Software erstellt wurden. Sinogrammdaten und die rekonstruierten Bilder werden mit kooperierenden Forschern von General Electric Global Research geteilt.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

184

Phase

  • Phase 1

Kontakte und Standorte

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

Studienorte

  • Vereinigte Staaten
    • Michigan
      • Ann Arbor, Michigan, Vereinigte Staaten, 48109
        • University of Michigan Hospital

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

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Beschreibung

Einschlusskriterien:

1. 18 Jahre und älter 2. Kein medizinischer oder psychiatrischer Zustand, der eine Einwilligung nach Aufklärung ausschließt

-

Ausschlusskriterien:

  1. Unfähigkeit, 30 Minuten lang flach auf dem Rücken zu liegen und die Arme über den Kopf zu heben.
  2. Metallimplantate oder Metallgeräte im Brust- oder Rückenbereich.
  3. Teilnahme an anderen Forschungsversuchen mit ionisierender Strahlung

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Grundlegende Wissenschaft
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: CT-Bildgebung und Rekonstruktion
Entwicklung einer MBIR-Methode (modellbasierte Bildrekonstruktion), die die Röntgen-CT-Lungenbildgebung durch Verbesserung der Bildqualität und Reduzierung der Dosis verbessert.
Verfahren: CT-Bildgebung und Rekonstruktion

Die Patienten erhalten ihre Einwilligung zur Speicherung und Verwendung des Sinogramms aus ihrem CT-Brust-/Lungenscan. Das Sinogramm wird deidentifiziert und zur Speicherung an ein Archivsystem gesendet.

Später wird es zur Verarbeitung mittels MBIR (modellbasierte Bildrekonstruktion) auf einen Computer exportiert. Die neu verarbeiteten Bilder werden dann von blinden Lesern gelesen. Die Qualität der Bilder wird überprüft, um festzustellen, ob sie genauso lesbar und genau sind wie CT-Bilder, die mit der aktuell verwendeten Software erstellt wurden.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Entwicklung eines Computerprogramms zur Verbesserung der CT-Bildqualität
Zeitfenster: 6 Jahre

Sinogramme werden von einem Archivsystem abgerufen und mit von uns entwickelten MBIR-Methoden (modellbasierte Bildrekonstruktion) verarbeitet, die die Bildqualität verbessern (Rauschen reduzieren, räumliche Auflösung verbessern, Artefakte reduzieren). Wir bewerten die Bildqualität sowohl quantitativ als auch qualitativ.

Wir hoffen, Methoden zur Algorithmusbeschleunigung zu entwickeln und zu bewerten, um den routinemäßigen klinischen Einsatz von MBIR-Methoden (modellbasierte Bildrekonstruktion) zu ermöglichen.
6 Jahre

Mitarbeiter und Ermittler

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

Sponsor

University of Michigan

Mitarbeiter

National Institutes of Health (NIH)
General Electric

Ermittler

  • Hauptermittler: Jeffrey Fessler, PhD, University of Michigan Hospital
  • Hauptermittler: Jeffrey Fessler, PhD, University of Michigan

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

1. August 2010

Primärer Abschluss (Tatsächlich)

1. März 2015

Studienabschluss (Tatsächlich)

1. Dezember 2015

Studienanmeldedaten

Zuerst eingereicht

1. November 2013

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. November 2013

Zuerst gepostet (Schätzen)

8. November 2013

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Schätzen)

5. Februar 2016

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

3. Februar 2016

Zuletzt verifiziert

1. Februar 2016

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • HUM00038447

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 .

Abonnieren