Deep Learning für die Prostatasegmentierung (GOPI-Segm)
Computergestützte Mehrzonen-Prostatasegmentierung auf MR-Bildern unter Verwendung eines auf Deep Learning basierenden Ansatzes
Da die diagnostischen Kriterien für Prostatakrebs in der peripheren und der Übergangszone unterschiedlich sind, wird eine Prostatasegmentierung für jedes computergestützte Diagnosesystem benötigt, das darauf abzielt, Prostataläsionen auf Magnetresonanz (MR)-Bildern zu charakterisieren. Die manuelle Segmentierung ist zeitaufwändig und kann zwischen Radiologen mit unterschiedlichen Fachkenntnissen unterschiedlich sein. Wir haben einen Convolutional Neural Network-Algorithmus zur Segmentierung der gesamten Prostata, der Übergangszone und des vorderen fibromuskulären Stromas auf T2-gewichteten Bildern von 787 MRTs aus einer bestehenden prospektiven radiologisch-pathologischen Korrelationsdatenbank entwickelt und trainiert, die Prostata-MRT von Patienten enthält, die zwischen 2008 und 2008 durch Prostatektomie behandelt wurden 2014 (CLARA-P-Datenbank).
Der Zweck dieser Studie ist es, diesen Algorithmus an einer unabhängigen Kohorte von Patienten zu validieren.
Studienübersicht
Status
Bedingungen
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
-
Lyon, Frankreich, 69008
- Rekrutierung
- Hôpital Edouard Herriot
-
Kontakt:
- Olivier ROUVIERE, Pr
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Prostata-MRT, enthalten im PACS des Hospices Civils de Lyon
- Aufgeführt 2016-2019
Ausschlusskriterien:
- MRTs von Patienten, die bereits gegen Prostatakrebs behandelt wurden
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Retrospektive
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Patienten mit einem MRT auf einem 3 Tesla (T) Gerät
Die Gesamtvalidierungskohorte besteht aus axialen T2-gewichteten Bildern der Prostata, die aus 31 Prostata-MRTs auf einem 3T-Gerät stammen, das zufällig aus den Prostata-MRTs ausgewählt wurde, die 20162015-2019 im Hospices Civils de Lyon durchgeführt wurden
|
Der Algorithmus wird verwendet, um eine Mehrzonensegmentierung der Prostata durchzuführen, einschließlich der Abgrenzung von: den gesamten Prostatakonturen, den Übergangszonenkonturen, dem vorderen fibromuskulären Stroma. Die Konturen werden unabhängig voneinander von 2 Radiologen korrigiert. Die korrigierten Konturen der verschiedenen Zonen werden gespeichert und für jede Zone werden 6 verschiedene Metriken verwendet, um den Unterschied zwischen den anfänglichen und korrigierten Konturen zu bewerten:
|
|
Patienten mit einem MRT auf einem 1,5-Tesla-Gerät
Die gesamte Validierungskohorte besteht aus axialen T2-gewichteten Bildern der Prostata, die von 31 Prostata-MRTs auf einem 1,5-T-Gerät erhalten wurden, die zufällig aus den Prostata-MRTs ausgewählt wurden, die 20162015-2019 im Hospices Civils de Lyon durchgeführt wurden
|
Der Algorithmus wird verwendet, um eine Mehrzonensegmentierung der Prostata durchzuführen, einschließlich der Abgrenzung von: den gesamten Prostatakonturen, den Übergangszonenkonturen, dem vorderen fibromuskulären Stroma. Die Konturen werden unabhängig voneinander von 2 Radiologen korrigiert. Die korrigierten Konturen der verschiedenen Zonen werden gespeichert und für jede Zone werden 6 verschiedene Metriken verwendet, um den Unterschied zwischen den anfänglichen und korrigierten Konturen zu bewerten:
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Mittlerer Maschenabstand (Mittelwert) zwischen den Konturen der gesamten Prostata, die vom Algorithmus und den beiden Radiologen erstellt wurden
Zeitfenster: Monat 11
|
Die mittlere Maschenentfernung entspricht der durchschnittlichen Grenzentfernung (ABD) für jeden Punkt der Referenzsegmentierung. Zuerst wird der Abstand zum nächstgelegenen Punkt der verglichenen Segmentierung berechnet. Dann wird der Durchschnitt aller dieser Entfernungen berechnet und ergibt die ABD. Der mittlere Netzabstand zwischen den Konturen der gesamten Prostata, der vom Algorithmus und jedem Radiologen erstellt wird, wird als primäres Ergebnismaß verwendet. |
Monat 11
|
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
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- GOPI-Segmentation_2019
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 .