Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Clasificación basada en aprendizaje profundo de la TC de columna (DETECT)

10 de mayo de 2020 actualizado por: Shisheng He, MD, Shanghai 10th People's Hospital
A los cirujanos de la columna vertebral o a los radiólogos les lleva mucho tiempo realizar clasificaciones manuales de la TC espinal, que también puede estar correlacionada con una alta variación entre observadores. Con el desarrollo de la informática, el aprendizaje profundo ha surgido como una técnica prometedora para clasificar imágenes desde el nivel individual hasta el nivel de píxel. El principal del estudio es identificar y clasificar automáticamente las lesiones, o segmentar las estructuras específicas en la tomografía computarizada espinal con aprendizaje profundo.

Descripción general del estudio

Estado

Desconocido

Descripción detallada

La tomografía computarizada (TC) es una de las herramientas de imagen más importantes para ayudar en el diagnóstico y tratamiento de la enfermedad de la columna. Clasificación de objetivos específicos (p. individuos, lesiones, etc.) es una de las misiones más comunes del análisis de imágenes médicas. Sin embargo, a los cirujanos de la columna o a los radiólogos les lleva mucho tiempo realizar clasificaciones manuales de la TC de la columna, lo que también puede estar relacionado con una alta variación entre observadores. Con el desarrollo de la informática, el aprendizaje profundo ha surgido como una técnica prometedora para clasificar imágenes desde el nivel individual hasta el nivel de píxel. El principal del estudio es identificar y clasificar automáticamente las lesiones, o segmentar las estructuras específicas en la tomografía computarizada espinal con aprendizaje profundo.

Tipo de estudio

De observación

Inscripción (Anticipado)

500

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Ubicaciones de estudio

    • Shanghai
      • Shanghai, Shanghai, Porcelana, 200072
        • Reclutamiento
        • Shanghai Tenth People's Hospital
        • Contacto:

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

18 años a 65 años (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

Se incluirán pacientes con TC espinal de capa delgada que cubra el nivel objetivo.

Descripción

Criterios de inclusión:

- TC de capa fina espinal

Criterios de exclusión:

  • medallas u otros implantes inducen artefacto
  • mala calidad de imagen

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
TC de capa fina
La TC de capa fina se etiquetará manualmente y se utilizará para entrenar, validar y probar el algoritmo de aprendizaje profundo.
Las muestras etiquetadas manualmente se utilizarán para entrenar, validar y probar el algoritmo de aprendizaje profundo, y luego realizar la clasificación automática.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
precisión de clasificación
Periodo de tiempo: 1 día
precisión de la clasificación (p. área bajo la curva, etc.)
1 día
precisión de segmentación
Periodo de tiempo: 1 día
Precisión de segmentación de estructuras múltiples (p. Puntaje de dados, etc.)
1 día

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Investigadores

  • Investigador principal: Shisheng He, M.D., Shanghai 10th People's Hospital

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

22 de febrero de 2019

Finalización primaria (Anticipado)

1 de mayo de 2020

Finalización del estudio (Anticipado)

1 de mayo de 2020

Fechas de registro del estudio

Enviado por primera vez

16 de noviembre de 2018

Primero enviado que cumplió con los criterios de control de calidad

29 de diciembre de 2018

Publicado por primera vez (Actual)

2 de enero de 2019

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

12 de mayo de 2020

Última actualización enviada que cumplió con los criterios de control de calidad

10 de mayo de 2020

Última verificación

1 de mayo de 2020

Más información

Términos relacionados con este estudio

Otros números de identificación del estudio

  • SHSY180624

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Ensayos clínicos sobre aprendizaje profundo

3
Suscribir