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

Ekokardiografiakuvan laadunhallintajärjestelmän kehittäminen, joka perustuu syvään oppimiseen

tiistai 21. helmikuuta 2023 päivittänyt: The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School

Ekokardiografiakuvan laadunhallintajärjestelmä, joka perustuu syvään oppimiseen: yhden keskuksen tulevaisuuden tutkimus

Kehittää syvään oppimiseen perustuva kaikukuvan laadunhallintajärjestelmä objektiivisen ja tarkan automaattisen kaikukuvan laadunvalvonnan saavuttamiseksi. Nanjingin yliopiston lääketieteellisen tiedekunnan kanssa sidoksissa olevan Drum Tower Hospital -sairaalan ultraäänilääketieteen osastolle otettiin yhteensä 2 000 potilasta, jotka suorittivat rintakehän kaikututkimusta. Tiedot kerättiin kahdeksasta TTE-näkymäsegmentaatiosta, mukaan lukien näkymät vasemman kammion parasternaalisesta pitkästä akselista (PLAX_LV), suuren verisuonen tason parasternaalisesta lyhyestä akselista (PSAX_GV), mitraaliläpän tason parasternaalisesta lyhyestä akselista (PSAX_MV), papillaarilihaksen tason parasternaalinen lyhyt akseli (PSAX_PM), apikaalisen tason parasternaalinen lyhyt akseli (PSAX_AP), apikaalinen neljä ontelo (A4C), apikaalinen kolme ontelo (A3C), apikaalinen kaksi onkalo (A2C). Harjoittelusarjana käytettiin 1500 potilaan tietoja ja loput validointisarjana. Nämä videotiedot luokiteltiin vastaaviin näkymäsegmentteihin ja analysoitiin Video Swin Transformed -mallilla. Sitten perustettiin eri näkymäsegmentointien pisteytysmoduuli, jossa yhdistettiin avainkehysten poimiminen, kuvan segmentointi, videokohteen tunnistus ja videon luokittelumalli. Samalla verrattiin automaattisen kaikukardiografian kuvanarviointijärjestelmän avulla saatuja pisteitä keinotekoiseen pisteeseen. Jatkuvasti korjaamalla ja oppimalla ja lopulta rakentamalla ensisijaisen automatisoidun arviointijärjestelmän. Lopulta 500 potilaalle rakennettiin ja suoritettiin automaattinen kaikukuvan arviointijärjestelmä.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Yksityiskohtainen kuvaus

Kehittää syvään oppimiseen perustuva kaikukuvan laadunhallintajärjestelmä objektiivisen ja tarkan automaattisen kaikukuvan laadunvalvonnan saavuttamiseksi. Nanjingin yliopiston lääketieteellisen tiedekunnan kanssa sidoksissa olevan Drum Tower Hospital -sairaalan ultraäänilääketieteen osastolle otettiin yhteensä 2 000 potilasta, jotka suorittivat rintakehän kaikututkimusta. Sisällyttämiskriteerit: Potilaat, joilla on standardoitu TTE-näkymän segmentointi; Poissulkemiskriteerit: Potilaat, joilla on epätäydellinen standardisegmentointi. Tiedot kerättiin kahdeksasta TTE-näkymäsegmentaatiosta, mukaan lukien näkymät vasemman kammion parasternaalisesta pitkästä akselista (PLAX_LV), suuren verisuonen tason parasternaalisesta lyhyestä akselista (PSAX_GV), mitraaliläpän tason parasternaalisesta lyhyestä akselista (PSAX_MV), papillaarilihaksen tason parasternaalinen lyhyt akseli (PSAX_PM), apikaalisen tason parasternaalinen lyhyt akseli (PSAX_AP), apikaalinen neljä ontelo (A4C), apikaalinen kolme ontelo (A3C), apikaalinen kaksi onkalo (A2C). Harjoittelusarjana käytettiin 1500 potilaan tietoja ja loput validointisarjana. Nämä videotiedot luokiteltiin vastaaviin näkymäsegmentteihin ja analysoitiin Video Swin Transformed -mallilla. Sitten perustettiin eri näkymäsegmentointien pisteytysmoduuli, jossa yhdistettiin avainkehysten poimiminen, kuvan segmentointi, videokohteen tunnistus ja videon luokittelumalli. Samalla verrattiin automaattisen kaikukardiografian kuvanarviointijärjestelmän avulla saatuja pisteitä keinotekoiseen pisteeseen. Jatkuvasti korjaamalla ja oppimalla ja lopulta rakentamalla ensisijaisen automatisoidun arviointijärjestelmän. Lopulle 500 potilaalle tehtiin viimeinkin kaikukuvan laadunhallintajärjestelmä ja parannettiin.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

2000

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Kiina
    • Jiangsu
      • Nanjing, Jiangsu, Kiina, 210008
        • Rekrytointi
        • Affiliated Drum Tower Hospital of Nanjing University Medical School
        • Ottaa yhteyttä:

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

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Joo

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

potilailla, joilla on standardoidut TTE-näkymät

Kuvaus

Sisällyttämiskriteerit:

  1. ikä ≥ 18 vuotta, sukupuoli rajoittamaton;
  2. Potilaat, joilla on standardoidut TTE-näkymät;
  3. Koehenkilöt osallistuivat tutkimukseen vapaaehtoisesti ja allekirjoittivat tietoisen suostumuksen;

Poissulkemiskriteerit:

  1. potilaat, joilla on epätäydellisiä vakio-TTE-näkymiä;
  2. potilailla, joilla on huonot äänensiirto-olosuhteet.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Muut
  • Aikanäkymät: Tulevaisuuden

Kohortit ja interventiot

Ryhmä/Kohortti
Standardoitu näkymäryhmä
Tämän ryhmän potilaiden kaikukuvat ovat standardoituja.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
PSAX-näkymän pisteet
Aikaikkuna: 12 kuukautta
kaikukardiografian kuvanlaadunhallintajärjestelmän PSAX-näkymän pistemäärä
12 kuukautta
apikaalisen näkymän pistemäärä
Aikaikkuna: 12 kuukautta
apikaalisen kuvan pisteet kaikukardiografian kuvanlaadun hallintajärjestelmällä
12 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School

Yhteistyökumppanit

Southeast University, China

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

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)

Perjantai 30. joulukuuta 2022

Ensisijainen valmistuminen (Odotettu)

Tiistai 31. joulukuuta 2024

Opintojen valmistuminen (Odotettu)

Keskiviikko 31. joulukuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 21. marraskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 21. marraskuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 1. joulukuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvio)

Torstai 23. helmikuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 21. helmikuuta 2023

Viimeksi vahvistettu

Torstai 1. syyskuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • 2022-337-01

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

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 .

Tilaa