Automatische Segmentierung der polyzystischen Leber (ASEPOL)
Automatische Segmentierung polyzystischer Lebern durch ein Faltungs-Neuronales Netzwerk (Künstliche Intelligenz – Deep Learning) als Modell multiläsionaler dysmorpher Lebern
Die Beurteilung des Lebervolumens vor der Operation, die Vorhersage des nach der Operation verbleibenden Lebervolumens und die Erkennung primärer oder sekundärer Läsionen im Leberparenchym sind häufige Anwendungen, die eine optimale Erkennung der Leberkonturen und damit eine Lebersegmentierung erfordern.
Es gibt verschiedene manuelle und mühsame, halbautomatische und sogar automatische Techniken.
Allerdings sind schwere Pathologien, die die Konturen der Leber verformen (multimetastasierte Lebern...), die Leberumgebung mit ähnlicher Dichte wie die Leber oder Läsionen, die CT-Untersuchungstechnik allesamt Variablen, die die Erkennung der Konturen erschweren. Aktuelle Techniken, auch automatische, sind in solchen Fällen (nicht selten) an ihre Grenzen gestoßen und erfordern meist Neueinstellungen, die dazu führen, dass die Automatisierung ihren Wert verliert.
Alle diese Kriterien für Segmentierungsschwierigkeiten werden in den Lebern der hepatorenalen Polyzystose gesammelt, die daher ein angepasstes Studienmodell für die Entwicklung eines automatischen Segmentierungstools darstellen.
Um eine automatische Segmentierung jeder Leberläsion zu erreichen und dabei die berücksichtigten Schwierigkeitskriterien zu übertreffen, haben Forscher ein Faltungs-Neuronales Netzwerk (künstliche Intelligenz – Deep Learning) entwickelt, das für die klinische Praxis nützlich ist.
Studienübersicht
Status
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
-
Lyon, Frankreich, 69437
- Rekrutierung
- Service de radiologie - Pavillon B - Cellule Recherche imagerie, Hôpital Edouard Herriot (HCL)
-
Kontakt:
- Bénédicte CAYOT
- Telefonnummer: +33 472110400
- E-Mail: benedicte.cayot@chu-lyon.fr
-
Kontakt:
- Pierre-Jean VALETTE, MD, Prof.
- Telefonnummer: +33 472117544
- E-Mail: pierre-jean.valette@chu-lyon.fr
-
Hauptermittler:
- Pierre-Jean VALETTE, MD, Prof.
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten ≥ 18 Jahre alt
- Patienten mit hepato-renaler Polyzystose, mit oder ohne Operation
- Patienten mit mindestens einem Bauch-Becken-CT-Scan ohne Injektion oder mit Injektion zwischen dem 1. Januar 2016 und August 2018
- Patienten mit guter Qualität und verfügbaren Bildern
Ausschlusskriterien:
- Patienten, für die keine CT-Scanbilder verfügbar sind
- Patienten mit schlechter Qualität der CT-Scanbilder
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Neuronale Netzwerk-Trainingsgruppe
Die folgenden radiologischen Variablen, die sich auf jede CT-Untersuchung beziehen, werden für jeden Patienten erfasst:
|
Die anonymisierten CT-Untersuchungen werden in Lyon in der Bildgebungsabteilung des Edouard-Herriot-Krankenhauses von einem erfahrenen Radiologen und einem Praktikanten der Lyoner Krankenhäuser überprüft.
Es wird eine erste Trainingsphase des Netzwerks für künstliche Intelligenz durchgeführt: - Segmentierung der Lebern eines ersten Teils der CT-Untersuchung durch einen Praktikanten der Krankenhäuser in Lyon Es wird eine erste Trainingsphase des Netzwerks für künstliche Intelligenz durchgeführt: - Nutzung von Computerdaten zur Steuerung des Netzwerks der künstlichen Intelligenz. |
|
Gruppe zur Validierung neuronaler Netzwerke
Die folgenden radiologischen Variablen, die sich auf jede CT-Untersuchung beziehen, werden für jeden Patienten erfasst:
|
Die anonymisierten CT-Untersuchungen werden in Lyon in der Bildgebungsabteilung des Edouard-Herriot-Krankenhauses von einem erfahrenen Radiologen und einem Praktikanten der Lyoner Krankenhäuser überprüft.
Eine Validierungsphase des künstlichen Intelligenztools wird mit der Segmentierung der Lebern des zweiten Teils der CT-Untersuchungen durchgeführt: - Durchgeführt von einem Praktikanten in den Krankenhäusern von Lyon Eine Validierungsphase des künstlichen Intelligenztools wird mit der Segmentierung der Lebern des zweiten Teils der CT-Untersuchungen durchgeführt: - Wird vom neuronalen Netzwerk durchgeführt |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Test der automatischen Segmentierung dieser Gruppe durch das Faltungs-Neuronale Netzwerk und Erfassung des Datensatzes
Zeitfenster: 4 Monate nach der Randomisierung
|
Entwicklung eines automatischen Segmentierungstools für hochdysmorphe polyzystische Lebern als Voraussetzung für die Segmentierung aller schwer segmentierbaren Lebern mit mehreren Läsionen, um die Läsionserkennung und Volumenmessung in der klinischen Praxis zu erleichtern. Randomisierung des Patienten in zwei Datengruppen, eine zum Training, die andere zur Validierung des Faltungs-Neuronalen Netzwerks (künstliche Intelligenz)
|
4 Monate nach der Randomisierung
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- ASEPOL
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 .