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

Lisätty endobronkiaalinen ultraääni (EBUS-TBNA) tekoälyllä

maanantai 18. elokuuta 2025 päivittänyt: Norwegian University of Science and Technology

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

Arvioida syvän hermoverkon (DNN) hyödyllisyyttä välikarsina- ja hilarimusolmukkeiden arvioinnissa endobronkiaalisella ultraäänellä (EBUS). Tutkimuksessa selvitetään DNN:n mahdollisuutta tunnistaa imusolmukkeita ja verisuonia, jotka on tutkittu EBUS:lla.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Monen keskuksen tuleva toteutettavuustutkimus. DNN-mallia koulutetaan ultraäänikuviin, joissa on merkintä EBUS:lla tutkittujen imusolmukkeiden ja verisuonten tunnistamiseksi. Tutkimuksen ensimmäisessä osassa arvioidaan DNN:n kykyä segmentoida imusolmukkeita ja verisuonia postoperatiivisen käsittelyn ja staattisten EBUS-kuvien perusteella. Tutkimuksen toisessa osassa arvioidaan DNN:n reaaliaikaista käyttöä EBUS-menettelyssä.

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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Patentit, joilla on diagnosoimattomat suurentuneet välikarsina- ja hilarimusolmukkeet, joita on suositeltu endobronkiaaliseen ultraäänitransbronkiaaliseen neulaaspiraatioon (EBUS-TBNA).

Kuvaus

Sisällyttämiskriteerit:

  • Koehenkilöt lähetettiin rintakehäosastolle missä tahansa osallistuvissa sairaaloissa, joilla oli diagnosoimattomia laajentuneita välikarsina- ja hilarimusolmukkeita.
  • Tutkittavien tulee olla ≥ 18-vuotiaita

Poissulkemiskriteerit:

  • Raskaus
  • Yksikään potilas, jonka tutkija ei pidä mistään syystä sopivana tähän tutkimukseen.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kyky
Aikaikkuna: 8 kuukautta
Selvittää, pystyykö syvä hermoverkko (DNN) segmentoimaan imusolmukkeita ja verisuonia EBUS-kuvista
8 kuukautta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Tarkkuus
Aikaikkuna: 2 kuukautta
DNN:n tarkkuus imusolmukkeiden ja verisuonten havaitsemisessa. Mitattu sekä vokselia kohti EBUS-kuvissa että annotoitua rakennetta kohti (rakenne lasketaan havaituksi, jos vähintään 50 % sen huomautetuista pikseleistä tunnistaa DNN).
2 kuukautta
Herkkyys
Aikaikkuna: 2 kuukautta
Todellinen positiivinen korko. Oikein havaitut imusolmukkeet/verisuonet kokonaisimusolmukkeiden/verisuonten yli. Mitattu pikseliä kohti EBUS-kuvissa
2 kuukautta
Spesifisyys
Aikaikkuna: 2 kuukautta
Spesifisyys = (tosi negatiivinen)/(tosi negatiivinen + väärä positiivinen). Mitattu pikseliä kohti EBUS-kuvissa.
2 kuukautta
Nopan samankaltaisuuskerroin
Aikaikkuna: 2 kuukautta
Mittaa kahden tietojoukon samankaltaisuutta: Pulmonologin huomautukset vs DNN.
2 kuukautta
Ajoaika
Aikaikkuna: 2 kuukautta
Onko ajoaika riittävän lyhyt reaaliaikaiseen analyysiin EBUS:n aikana?
2 kuukautta
Vastoinkäymiset
Aikaikkuna: 48 tuntia
Toimenpiteeseen liittyvät haittatapahtumat tai odottamattomat tapahtumat on rekisteröity
48 tuntia

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)

Perjantai 22. elokuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 18. elokuuta 2025

Viimeksi vahvistettu

Sunnuntai 1. kesäkuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • 240245

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 .

Kliiniset tutkimukset Keuhkosyöpä

Kliiniset tutkimukset koneoppimisalgoritmi

Tilaa