Evaluierung eines Algorithmus für künstliche Intelligenz zur Rauschreduzierung bei schnellen Ganzkörper-Knochen-Tomoszintigraphie-Aufnahmen, die mit einer 360-Grad-Cadmium-Zink-Tellurid-Kamera aufgezeichnet wurden (IATOS2)
Kürzlich wurden Algorithmen der künstlichen Intelligenz entwickelt, die das Rauschen durch Deep Learning reduzieren und auf SPECT- und PET-Bilder angewendet werden.
Viele Studien haben über die Möglichkeit berichtet, die Aufnahmezeit bei der Knochenszintigraphie durch den Einsatz von Algorithmen der künstlichen Intelligenz zur Reduzierung des Rauschens zu verkürzen
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Nur zwei Studien verglichen Bilder, die durch einen Deep-Learning-Algorithmus entrauscht wurden, mit solchen, die durch herkömmliche Filter (Gauß- und Medianfilter) entrauscht wurden. Die erste Studie wurde nur an Patienten durchgeführt, ohne Phantomanalyse und ohne Berücksichtigung der Größe der Läsionen. Die zweite Studie umfasste eine Analyse an Phantomen und Patienten, allerdings mit Anwendung auf planare Bilder statt auf SPECT-Bilder, die heute zunehmend verwendet werden
Die Hypothese unserer an Phantomen und Patienten durchgeführten Studie ist, dass ein Algorithmus mit künstlicher Intelligenz, der das Rauschen reduziert, die herkömmlichen Filter ersetzen könnte, die normalerweise bei Knochen-SPECT zur Entrauschung szintigraphischer Bilder verwendet werden.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Vandœuvre-lès-Nancy, Frankreich, 54511
- Nuclear Medicine Department
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
Patienten, bei denen ein Ganzkörper-Knochenscan in drei Dimensionen auf rheumatologische oder onkologische Indikationen durchgeführt wurde.
Ausschlusskriterien:
Patienten lehnen die Verwendung ihrer Daten ab
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vergleich der mit dem künstlichen Intelligenzalgorithmus behandelten Bildgebung mit der mit dem herkömmlichen künstlichen Filteralgorithmus behandelten Bildgebung
Zeitfenster: einmal
|
Quantifizierungswert der Bildgebung, gemessen mit einem künstlichen Intelligenzalgorithmus, verglichen mit dem Quantifizierungswert, der mit einem herkömmlichen Filter gemessen wurde
|
einmal
|
Mitarbeiter und Ermittler
Sponsor
Publikationen und hilfreiche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
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
Andere Studien-ID-Nummern
- 2024PI241
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 .