Wenden Sie maschinelles Lernen auf die Interpretation der Urinkristallmorphologie an.
Das Ziel dieser Beobachtungsstudie ist die Entwicklung einer bildbasierten Software für künstliche Intelligenz, die die Art und Größe von Kristallen im Urin automatisch interpretieren kann. Die Hauptfrage(n), die es beantworten soll, sind:
- Ermöglicht medizinischen Fachkräften die Eingabe von Urinbildern und den Erhalt von Echtzeit-Leseergebnissen zu Kristalltypen und -größen.
- Ziel ist es, eine schnellere, objektivere und genauere Analyse von Kristallen zu ermöglichen.
Wir gehen davon aus, eine für praktische Anwendungen geeignete Bild-KI-Software bereitzustellen, die die Automatisierung und Genauigkeit der Urinkristallanalyse fördert.
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Nierensteine entstehen hauptsächlich durch die Übersättigung von Ionen im Urin, was zur Bildung von Kristallen führt. Eine Einschätzung des Nierensteinrisikos basiert auf der Krankengeschichte des Patienten, biochemischen Urintests und verschiedenen Laboruntersuchungen. Die Kombination mit bildgebenden Untersuchungen wie CT-Scans, Ultraschall und Röntgen hilft bei der Diagnose der Art von Nierensteinen, obwohl die bildgebenden Ergebnisse bei kleineren Steinen möglicherweise weniger genau sind. Die Bildung von Steinen kommt häufig vor, die Rezidivrate ist hoch, und es besteht ein starker Zusammenhang zwischen Urinkristallen und der Steinzusammensetzung. Daher ist die Analyse von Urinkristallen für die Diagnose, Bewertung von Behandlungsstrategien und die Prävention von Steinrezidiven bei Nierensteinerkrankungen von Bedeutung.
Die mikroskopische Analyse von Urinkristallen ermöglicht die Beobachtung kleinerer Kristalle. Allerdings ist die manuelle Urinmikroskopie langsam und zeitaufwändig. Um dieses Problem anzugehen, wollen wir eine Software für künstliche Intelligenz entwickeln, die bei der Interpretation von Urinkristallen hilft und eine schnellere Analyse ermöglicht. Wir werden retrospektiv Urinkristallbilder analysieren, die aus früheren Untersuchungen (internes Forschungsprojekt des Chang Gung Memorial Hospital Nr. 107123-E) gespeichert wurden, um Kristalltypen zu identifizieren. Anschließend werden Bildvorverarbeitung und Kategoriekennzeichnung durchgeführt, um Maschinensoftware zu trainieren und abzuleiten. Die Ergebnisse werden mit der manuellen Interpretation verglichen, um die Genauigkeit der Software festzustellen.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Yi-Shiou Tseng
- Telefonnummer: 0920376341
- E-Mail: tysgroupone@gmail.com
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Analysieren Sie retrospektiv die aus der vorherigen Studie 107123-E erhaltenen Urinkristallbilder zur Kristalltypanalyse. Führen Sie anschließend eine Bildvorverarbeitung und Etikettenkategorisierung für maschinelles Softwarelernen und Inferenz durch. Die interpretierten Ergebnisse werden dann mithilfe einer statistischen Analysesoftware auf ihre Genauigkeit hin überprüft.
Ausschlusskriterien:
- Unzutreffend
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Manuelle mikroskopische Beobachtung
Kontrollgruppe: Manuelle Analyse von Urinkristallbildern, Unterscheidung der Kristalltypen, Aufzeichnungsgenauigkeit und Analyse der verbrauchten Zeit.
|
|
Maschinelle Interpretation
Die Urinkristallbilder werden einer Analyse auf Kristalltypen unterzogen, gefolgt von einer Bildvorverarbeitung und Kategoriekennzeichnung für maschinelles Softwarelernen und Schlussfolgerungen.
Anschließend werden die interpretierten Ergebnisse einer statistischen Analysesoftware unterzogen, um die Genauigkeit zu bewerten.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Kappa-Statistiken
Zeitfenster: Für die Interpretation von etwa 800 Urinkristallbildern benötigt das Gerät etwa 0,5 Stunden.
|
Wird für den Vergleich zwischen einem neuen Instrument und einem Standardinstrument verwendet, um festzustellen, ob das neue Instrument ein bestimmtes Leistungs- oder Genauigkeitsniveau aufweist.
|
Für die Interpretation von etwa 800 Urinkristallbildern benötigt das Gerät etwa 0,5 Stunden.
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Nierenerkrankungen
- Urologische Erkrankungen
- Urologische Manifestationen
- Pathologische Zustände, Anatomisch
- Urolithiasis
- Harnsteine
- Weibliche Urogenitalerkrankungen
- Weibliche Urogenitalerkrankungen und Schwangerschaftskomplikationen
- Urogenitale Erkrankungen
- Männliche Urogenitalerkrankungen
- Kalkül
- Nierensteine
- Nephrolithiasis
- Kristallurie
Andere Studien-ID-Nummern
- 112183-E
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
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 .