Uusi syvään oppimiseen perustuva tekoälyn iteratiivisen rekonstruoinnin (AIIR) algoritmi pieniannoksisessa maksan TT:ssä
sunnuntai 18. syyskuuta 2022 päivittänyt: Qingshi Zeng, Qianfoshan Hospital
Uuden syvään oppimiseen perustuvan tekoälyn iteratiivisen rekonstruoinnin (AIIR) algoritmin arviointi pieniannoksisen maksa-TT:n eri tehostamisvaiheissa
TT-tehostetut skannaukset ovat rutiinikuvausmenetelmä maksasairauden diagnoosissa ja seurannassa.
Tämä tarkoittaa kuitenkin sitä, että potilaat saavat enemmän säteilyannosta.
Siksi potilaiden saamaa säteilyannosta on vähennettävä mahdollisimman paljon.
Viime aikoina on otettu käyttöön syvään oppimiseen perustuvia rekonstruktioalgoritmeja kuvanlaadun parantamiseksi.
Monien vuosien ajan tutkijat ovat yrittäneet ylläpitää kuvanlaatua edistyneellä menetelmällä ja samalla pienentää säteilyannosta.
Äskettäin esiteltiin uusi syvään oppimiseen perustuva iteratiivinen rekonstruktioalgoritmi, nimittäin tekoäly iteratiivinen rekonstruktio (AIIR, United Imaging Healthcare, Shanghai, Kiina).
Tässä tutkimuksessa arvioimme AIIR:n kuvaa ja diagnostisia ominaisuuksia pieniannoksisessa porttilaskimossa ja viivästetyn vaiheen maksan TT:ssä KARL-menetelmän vastaavilla, joita tavallisesti käytetään standardiannoksisessa TT:ssä.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Sairaalassamme vatsaontelon syöpää sairastaville potilaille tehdään seurantaa pieniannoksisella TT:llä hoitosuunnitelman arvioimiseksi kliinisen hoidon tai taudin etenemisen jälkeen.
Pienen annoksen CT:n raakatiedot kerättiin takautuvasti ja rekonstruoitiin käyttämällä KARL- ja AIIR-algoritmia.
Tässä tutkimuksessa arvioimme AIIR:n kuvaa ja diagnostisia ominaisuuksia pieniannoksisessa porttilaskimossa ja viivästetyn vaiheen maksan TT:ssä KARL-menetelmän vastaavilla, joita tavallisesti käytetään standardiannoksisessa TT:ssä.
Opintotyyppi
Interventio
Ilmoittautuminen (Odotettu)
100
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Qingshi Zeng
- Puhelinnumero: 18560081565
- Sähköposti: zengqs2021@163.com
Opiskelupaikat
-
-
Shandong
-
Jinan, Shandong, Kiina
- Qianfoshan Hospital (The First Affiliated Hospital of Shandong First Medical University)
-
Ottaa yhteyttä:
- Qingshi Zeng
- Sähköposti: zengqs2021@163.com
-
-
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
Sukupuolet, jotka voivat opiskella
Kaikki
Kuvaus
Sisällyttämiskriteerit:
- varjoaineella tehostetussa maksan TT:ssä
Poissulkemiskriteerit:
- kuvat, joihin artefaktit vaikuttavat (liike tai implantit)
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Ei väliintuloa: vakioannos CT
näille potilaille tehdään standardiannos maksan CT porttilaskimossa ja viivästyneessä vaiheessa
|
|
|
Kokeellinen: pieniannoksinen CT
näille potilaille tehdään pieniannoksinen maksan CT porttilaskimossa ja viivästynyt vaihe
|
näille potilaille tehdään pieniannoksinen maksan CT porttilaskimossa ja viivästynyt vaihe.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
signaali-kohinasuhde (SNR)
Aikaikkuna: 6 kuukautta
|
Arvioi AIIR:n kuvaominaisuudet pieniannoksisessa porttilaskimossa ja viivästetyn vaiheen maksan TT:ssä KARL-menetelmällä, jota tavallisesti käytetään standardiannoksisessa TT:ssä
|
6 kuukautta
|
|
kontrasti-kohinasuhde (CNR)
Aikaikkuna: 6 kuukautta
|
Arvioi AIIR:n kuvaominaisuudet pieniannoksisessa porttilaskimossa ja viivästetyn vaiheen maksan TT:ssä KARL-menetelmällä, jota tavallisesti käytetään standardiannoksisessa TT:ssä
|
6 kuukautta
|
|
diagnostinen luottamus
Aikaikkuna: 6 kuukautta
|
Arvioi AIIR:n diagnostiset ominaisuudet pieniannoksisessa porttilaskimossa ja viivästetyn vaiheen maksan TT:ssä KARL-menetelmän ominaisuuksilla, joita tavallisesti käytetään standardiannoksisessa TT:ssä
|
6 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Opintojohtaja: Qingshi Zeng, Qianfoshan 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 (Odotettu)
Perjantai 30. syyskuuta 2022
Ensisijainen valmistuminen (Odotettu)
Torstai 30. maaliskuuta 2023
Opintojen valmistuminen (Odotettu)
Sunnuntai 30. huhtikuuta 2023
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 14. syyskuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 18. syyskuuta 2022
Ensimmäinen Lähetetty (Todellinen)
Torstai 22. syyskuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 22. syyskuuta 2022
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Sunnuntai 18. syyskuuta 2022
Viimeksi vahvistettu
Torstai 1. syyskuuta 2022
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- LD-SH-2022
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 .