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

Qualitätskontrolle von Ultraschallbildern während der Frühschwangerschaft mittels KI

6. September 2023 aktualisiert von: Di Dong, Chinese Academy of Sciences

Deep-Learning-basierte Qualitätskontrolle von Ultraschallbildern während der frühen Schwangerschaft

Diese Forschung integriert künstliche Intelligenz, um die Qualitätskontrolle der Ultraschalluntersuchung in der Frühschwangerschaft zu verbessern und sich dabei auf bestimmte fetale Abschnitte zu konzentrieren. In Zusammenarbeit mit führenden medizinischen Einrichtungen haben wir umfangreiche fetale Ultraschalldaten gesammelt. Unser Ziel ist es, ein Deep-Learning-Modell zu entwickeln, das wesentliche anatomische Bereiche in Ultraschallbildern genau identifizieren und deren Qualität bewerten kann. Es wird erwartet, dass dieses Tool Fehldiagnosen von Erkrankungen wie dem Down-Syndrom und Deformationen des Nervensystems erheblich reduzieren wird, indem es eine Beurteilung der Bildqualität in Echtzeit gewährleistet.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Diese Forschung widmet sich der Integration künstlicher Intelligenztechnologie, um den Qualitätskontrollprozess der Ultraschalluntersuchung in der Frühschwangerschaft zu optimieren. Die beteiligten Ultraschallbilder konzentrieren sich hauptsächlich auf den medianen Sagittalschnitt, den NT-Schnitt und den Plexus choroideus des Fötus in der Frühschwangerschaft. In dieser Hinsicht haben wir mit renommierten medizinischen Einrichtungen wie dem Beijing Obstetrics and Gynecology Hospital, dem Third Hospital der Peking University, dem Changsha Hospital for Maternal and Child Health Care und dem Second Xiangya Hospital der Central South University zusammengearbeitet, um retrospektiv und prospektiv eine große Menge an Früherkennungsdaten zu sammeln Ultraschallbilddaten des Schwangerschaftsfetus. Auf dieser Grundlage planen wir die Etablierung eines Modells, das auf Deep Learning basiert. Dieses Modell wird in der Lage sein, wichtige anatomische Regionen in Standard-Ultraschallbildern präzise zu identifizieren. Darüber hinaus bestimmt das Modell durch die Erkennung dieser anatomischen Strukturen, ob das Ultraschallbild der Standard-Scanqualität entspricht. Es wird erwartet, dass dieses Modell als leistungsstarkes Hilfsmittel in der geburtshilflichen Ultraschalluntersuchung dient und eine Echtzeitbewertung der Ultraschallbildqualität ermöglicht, wodurch die Häufigkeit übersehener und falsch diagnostizierter fetaler Erkrankungen wie dem Down-Syndrom und Fehlbildungen des Nervensystems deutlich reduziert wird.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

400

Kontakte und Standorte

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

Studienkontakt

Studieren Sie die Kontaktsicherung

Studienorte

  • China
      • Beijing, China
        • Rekrutierung
        • Peking University Third Hospital
        • Kontakt:
      • Beijing, China
        • Rekrutierung
        • Beijing Obstetrics and Gynecology Hospital Affiliated to Capital Medical University
        • Kontakt:
      • Changsha, China
        • Rekrutierung
        • Changsha Hospital for Maternal and Child Health Care
        • Kontakt:
      • Changsha, China
        • Rekrutierung
        • Second Xiangya Hospital of Central South University
        • Kontakt:

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Frauen in der frühen Schwangerschaft

Beschreibung

Einschlusskriterien:

  • Frauen in der Frühschwangerschaft, die über detaillierte persönliche Daten und Ultraschallbilder verfügen.
  • Die Ultraschallbilder sollten die mediane Sagittal-, NT- und Aderhautplexusansicht des Fötus deutlich zeigen.

Ausschlusskriterien:

  • Ultraschallbilder von Frauen in der mittleren bis späten Schwangerschaft.
  • Unscharfe oder verschwommene Ultraschallbilder, die die Auswertung erschweren.
  • Frauen, die bei der Ultraschalluntersuchung keine vollständigen persönlichen und medizinischen Angaben gemacht haben.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Das Beijinger Krankenhaus für Geburtshilfe und Gynäkologie ist der Capital Medical University angeschlossen
Das Beijinger Krankenhaus für Geburtshilfe und Gynäkologie, das der Capital Medical University angegliedert ist, sammelt klinische Informationen und Ultraschallbilder von Sagittal-, NT- und Aderhautplexus-Ansichten des Fötus, die von frühschwangeren Frauen erhalten wurden, die sich einer NT-Untersuchung unterzogen haben.
Sonstiges: Kontrolle der Bildqualität
Die Forscher identifizieren den interessierenden Bereich im relevanten Abschnitt, um eine Schlussfolgerung darüber zu ziehen, ob das Bild dem Standard entspricht oder nicht. Dies hilft den Ärzten, die Operation zu standardisieren und die Rate an Fehldiagnosen und Unterdiagnosen zu reduzieren.
Drittes Krankenhaus der Universität Peking
Das Dritte Krankenhaus der Peking-Universität sammelt klinische Informationen und Ultraschallbilder von Sagittal-, NT- und Aderhautplexus-Ansichten des Fötus, die von frühschwangeren Frauen erhalten wurden, die NT-Untersuchungen unterzogen wurden.
Sonstiges: Kontrolle der Bildqualität
Die Forscher identifizieren den interessierenden Bereich im relevanten Abschnitt, um eine Schlussfolgerung darüber zu ziehen, ob das Bild dem Standard entspricht oder nicht. Dies hilft den Ärzten, die Operation zu standardisieren und die Rate an Fehldiagnosen und Unterdiagnosen zu reduzieren.
Changsha Krankenhaus für Mütter- und Kindergesundheitspflege
Das Changsha Hospital for Maternal and Child Health Care sammelt klinische Informationen und Ultraschallbilder von Sagittal-, NT- und Aderhautplexus-Ansichten des Fötus, die von frühschwangeren Frauen erhalten wurden, die NT-Untersuchungen unterzogen wurden.
Sonstiges: Kontrolle der Bildqualität
Die Forscher identifizieren den interessierenden Bereich im relevanten Abschnitt, um eine Schlussfolgerung darüber zu ziehen, ob das Bild dem Standard entspricht oder nicht. Dies hilft den Ärzten, die Operation zu standardisieren und die Rate an Fehldiagnosen und Unterdiagnosen zu reduzieren.
Zweites Xiangya-Krankenhaus der Central South University
Das Second Xiangya Hospital der Central South University sammelt klinische Informationen und Ultraschallbilder von Sagittal-, NT- und Aderhautplexus-Ansichten des Fötus, die von frühschwangeren Frauen erhalten wurden, die NT-Untersuchungen unterzogen wurden.
Sonstiges: Kontrolle der Bildqualität
Die Forscher identifizieren den interessierenden Bereich im relevanten Abschnitt, um eine Schlussfolgerung darüber zu ziehen, ob das Bild dem Standard entspricht oder nicht. Dies hilft den Ärzten, die Operation zu standardisieren und die Rate an Fehldiagnosen und Unterdiagnosen zu reduzieren.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
PR-Kurve des Bildqualitätskontrollmoduls
Zeitfenster: ein Monat
Verwendung der Precision-Recall-Kurve und der mittleren durchschnittlichen Perzision als Bewertungsindikator für das Bildqualitätskontrollmodell.
ein Monat

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die Genauigkeit des intelligenten Analysesystems im Bildqualitätskontrollmodul
Zeitfenster: ein Monat
Die Übereinstimmung zwischen dem Vorhersageergebnis eines intelligenten Analysesystems und dem Goldenen Standard
ein Monat

Mitarbeiter und Ermittler

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

Sponsor

Chinese Academy of Sciences

Mitarbeiter

Peking University Third Hospital
Second Xiangya Hospital of Central South University
Beijing Obstetrics and Gynecology Hospital
Changsha Hospital for Maternal and Child Health Care

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)

1. September 2023

Primärer Abschluss (Geschätzt)

31. Dezember 2023

Studienabschluss (Geschätzt)

30. Juli 2028

Studienanmeldedaten

Zuerst eingereicht

13. August 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

13. August 2023

Zuerst gepostet (Tatsächlich)

21. August 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

8. September 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

6. September 2023

Zuletzt verifiziert

1. September 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • CASMI005

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

Individuelle Teilnehmerdaten (IPD) können auf Anfrage anderen Forschern zur Verfügung gestellt werden. Interessierte Forscher sollten einen sinnvollen Forschungsvorschlag und einen Datennutzungsantrag vorlegen. Alle an dieser Studie teilnehmenden Einheiten prüfen und bewerten den Vorschlag und den Antrag, um zu entscheiden, ob die Daten weitergegeben werden sollen.

IPD-Sharing-Zeitrahmen

Die Daten werden 6 Monate nach Abschluss der Studie verfügbar sein und bleiben für einen Zeitraum von 5 Jahren verfügbar.

IPD-Sharing-Zugriffskriterien

Interessierte Forscher sollten einen detaillierten Forschungsvorschlag und einen Datennutzungsantrag zur Prüfung einreichen. Alle an dieser Studie teilnehmenden Einheiten werden den Antrag bewerten, um festzustellen, ob sie für den Datenzugriff berechtigt sind.

Art der unterstützenden IPD-Freigabeinformationen

  • STUDIENPROTOKOLL
  • SAFT
  • ANALYTIC_CODE

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

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 .

Abonnieren