Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

SegNet-pohjaisen epifaskiaalisen fibroosin arvioivan algoritmin vertailu

perjantai 16. joulukuuta 2022 päivittänyt: Chang Ho Hwang, MD, PhD., Chungnam National University Sejong Hospital

SegNet-pohjaisen algoritmin, joka arvioi epifaskiaalista fibroosia kvantitatiivisesti kolmiulotteisissa tietokonetomografiakuvissa, vertailu kliiniseen lymfedeema-luokitusmenetelmään

Lymfedeemafibroosin havaitsemiseksi ennen sen etenemistä on yritetty varmistaa suprafaskiaalisen mikroskooppisen fibroosin CT-pohjainen kvantifiointi.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Lymfedeemassa esiintyy aina proinflammatorisia sytokiinivälitteisiä progressiivisia kaskadeja, jotka johtavat makroskooppiseen fibroosiin. Käytännössä ei kuitenkaan ole saatavilla menetelmiä lymfedeeman aiheuttaman fibroosin mittaamiseksi ennen sen pahenemista. Teknisesti CT voi visualisoida fibroosin pinnallisissa ja syvissa paikoissa. Standardoitua mittausta varten suoritettiin syväoppimiseen (DL) perustuvan tunnistamisen verifiointi. Poikkileikkaus, havainnollinen kohorttitutkimus suoritettiin opettavassa yliopistosairaalassa. Tämän tutkimuksen protokollan hyväksyi yliopistosairaalan laitosten arviointilautakunta, ja se rekisteröitiin Protocol Registration and Results Systemissä (PRS), www. clini caltr ials. gov (NCT04811677: https:// clini caltr ials. gov/ ct2/ show/ NCT04 811677? termi= NCT04 81167 7& veto= 2& sijoitus=1). Kaikki menetelmät suoritettiin asiaankuuluvien ohjeiden ja määräysten mukaisesti. Oikeudenkäynti noudatti Helsingin julistuksen periaatteita. Potilaat otettiin mukaan, jos heillä oli kliinisesti diagnosoitu yksipuolinen raajan lymfaödeema ja heille oli tehty BEI-analyysi ja CT-skannaus. Tutkittavat antoivat kirjallisen suostumuksen tapauksen yksityiskohtien julkaisemiseen. Tiedot kerättiin mahdollisimman lähellä CT-skannauspäivää. Potilaat, joilla oli diagnosoitu syvä laskimotukos, molemminpuolinen raajojen vaikutus, verisuonisairaus tai paikallinen infektio, suljettiin pois.

Kun TT-kuvien absorptioarvojen ikkunan leveyttä kavennettiin, SegNet-pohjainen semanttinen segmentointimalli jokaisesta pikselista viiteen luokkaan (ilma, iho, lihas/vesi, rasva ja fibroosi) koulutettiin (65 %), validoitiin (15 %). , ja testattu (20 %). Sitten muotoiltiin 4 indeksiä ja verrattiin standardisoidun ympärysmittaerosuhteen (SCDR) ja biosähköisen impedanssin (BEI) tuloksiin. Yhteensä analysoitiin 2138 TT-kuvaa 27 kroonisesta yksipuolisesta lymfaödeemapotilaasta.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

27

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • Sejong, Korean tasavalta, 30099
        • Chungnam National University Sejong Hospital

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei käytössä

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat, joilla oli kliinisesti diagnosoitu raajan lymfedeema.

Kuvaus

Sisällyttämiskriteerit:

  • Potilaat, joilla oli kliinisesti diagnosoitu toispuolinen raajan lymfaödeema ja joille tehtiin monitaajuinen biosähköinen impedanssi (BEI) -analyysi ja CT-skannaus.

Poissulkemiskriteerit:

  • Potilaat, joilla oli diagnosoitu syvä laskimotukos, molemminpuolinen raajojen vaikutus, verisuonisairaudet tai paikallinen infektio, suljettiin pois.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Poikkileikkaus

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
tarkkuus
Aikaikkuna: viikon sisällä CT-skannauksen jälkeen
oikein luokitellun pikselin ja kaikkien luokiteltujen pikselien välinen suhde yhdessä tunnisteessa.
viikon sisällä CT-skannauksen jälkeen

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Ensimmäinen indeksi
Aikaikkuna: viikon sisällä CT-skannauksen jälkeen
(P_(rasva sairastuneessa)+P_(fibroosi kärsivässä))/(P_(Rasva ei-vaikutuksessa)+P_(Fibroosi ei vaikuta) ) " "
viikon sisällä CT-skannauksen jälkeen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Chang Ho Hwang, Chungnam National University Sejong Hospital

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Maanantai 1. tammikuuta 2018

Ensisijainen valmistuminen (Todellinen)

Lauantai 30. maaliskuuta 2019

Opintojen valmistuminen (Todellinen)

Lauantai 30. maaliskuuta 2019

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 19. maaliskuuta 2021

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 19. maaliskuuta 2021

Ensimmäinen Lähetetty (Todellinen)

Tiistai 23. maaliskuuta 2021

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 20. joulukuuta 2022

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 16. joulukuuta 2022

Viimeksi vahvistettu

Torstai 1. joulukuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • UUH 2018-04-009

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

3
Tilaa