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

Lisätty endobronkiaalinen ultraääni (EBUS-TBNA) tekoälyllä

tiistai 29. syyskuuta 2026 päivittänyt: Norwegian University of Science and Technology

Välikarsinan imusolmukkeiden ja verisuonten automaattinen segmentointi endobronkiaalisissa ultraäänikuvissa (EBUS) käyttämällä syvää hermoverkkoa

To evaluate the usefulness of Deep neural network (DNN) in the evaluation of mediastinal and hilar lymph nodes with Endobronchial ultrasound (EBUS). The study will explore the feasibility of DNN to identify lymph nodes and blood vessel examined with EBUS.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Multi-center prospective feasibility study. The DNN model will be trained on ultrasound images with annotation to identifies lymph nodes and blood vessels examined with EBUS. The ability of the DNN to segment lymph nodes and vessels based on postoperative processing and static EBUS images will be evaluated in the first part of the study. In the second part of the study Real-time use of DNN in EBUS procedure will be evaluated.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

50

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

      • Levanger, Norja, 7600
        • Rekrytointi
        • Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
        • Ottaa yhteyttä:
      • Trondheim, Norja, 7030
        • Rekrytointi
        • Department of Thoracic Medicine, St Olavs Hospital
        • 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

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Patents with undiagnosed enlarged mediastinal and hilar lymph nodes who have been recommended for Endobronchial ultrasound transbronchial needle aspiration (EBUS-TBNA).

Kuvaus

Inclusion Criteria:

  • Subjects referred to thoracic department in any of the participating hospitals with undiagnosed enlarged mediastinal and hilar lymph nodes.
  • Subjects have to be ≥ 18 years of age

Exclusion Criteria:

  • Pregnancy
  • Any patient that the Investigator feels is not appropriate for this study for any reason.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: CASE_ONLY
  • Aikanäkymät: PROSPECTIVE

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Capability
Aikaikkuna: 8 months

To explore if Deep neural network (DNN) has capability to segment lymph nodes and blood vessels from EBUS images

8 months

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Precision
Aikaikkuna: 2 months

The precision the DNN has for detecting lymph nodes and blood vessels. Measured both per voxel in the EBUS images and per annotated structure (a structure is counted as detected if at least 50% of its annotated pixels are identified by the DNN).

2 months
Sensitivity
Aikaikkuna: 2 months

True positive rate. Correctly detected lymph nodes/blood vessel over total lymph nodes/blood vessel. Measured per pixel in the EBUS images

2 months
Specificity
Aikaikkuna: 2 months

Specificity = (True Negative)/(True Negative + False Positive). Measured per pixel in the EBUS images.

2 months
Dice similarity coefficient
Aikaikkuna: 2 months

Measures the similarity between two sets of data: Annotated by pulmonologist vs DNN.

2 months
Run-time
Aikaikkuna: 2 months

Is the run-time sufficiently low for real-time analysis during EBUS?

2 months
Adverse events
Aikaikkuna: 48 hours

Procedure related adverse events or unexpected incidents registered

48 hours

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Opintojohtaja: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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. toukokuuta 2023

Ensisijainen valmistuminen (Arvioitu)

Lauantai 1. toukokuuta 2027

Opintojen valmistuminen (Arvioitu)

Keskiviikko 1. joulukuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 13. helmikuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 13. helmikuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 22. helmikuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 30. syyskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 29. syyskuuta 2026

Viimeksi vahvistettu

Tiistai 1. syyskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

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