Ultraäänikuvien laadunvalvonta varhaisen raskauden aikana tekoälyn kautta
keskiviikko 6. syyskuuta 2023 päivittänyt: Di Dong, Chinese Academy of Sciences
Ultraäänikuvien syvään oppimiseen perustuva laadunvalvonta varhaisraskauden aikana
Tämä tutkimus yhdistää tekoälyn parantamaan varhaisen raskauden ultraäänitutkimuksen laadunvalvontaa keskittyen tiettyihin sikiön osiin.
Olemme koonneet laajaa sikiön ultraäänitietoa yhteistyössä merkittävien lääketieteellisten laitosten kanssa.
Pyrimme kehittämään syväoppimismallin, joka tunnistaa tarkasti ultraäänikuvien keskeiset anatomiset alueet ja arvioi niiden laatua.
Tämän työkalun odotetaan vähentävän merkittävästi sairauksien, kuten Downin oireyhtymän ja hermoston epämuodostumien, virhediagnooseja varmistamalla reaaliaikaisen kuvanlaadun arvioinnin.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Tämä tutkimus on omistettu tekoälyteknologian integroimiseen varhaisraskauden ultraäänitutkimuksen laadunvalvontaprosessin optimoimiseksi.
Mukana olevat ultraäänikuvat keskittyvät ensisijaisesti sikiön mediaanisagittaaliseen osaan, NT-osaan ja suonipunokseen raskauden alkuvaiheessa.
Tältä osin olemme tehneet yhteistyötä tunnettujen lääketieteellisten laitosten, kuten Pekingin synnytys- ja gynekologian sairaalan, Pekingin yliopistollisen kolmannen sairaalan, Changshan äitien ja lasten terveydenhuollon sairaalan, Keski-Etelä-yliopiston toisen Xiangya-sairaalan kanssa kerätäksemme takautuvasti ja tulevaisuuteen suuren määrän varhaisia raskauden sikiön ultraäänikuvatiedot.
Tämän pohjalta aiomme rakentaa syvään oppimiseen perustuvan mallin.
Tämä malli pystyy tunnistamaan tarkasti tärkeimmät anatomiset alueet tavallisissa ultraäänikuvissa.
Lisäksi tunnistamalla nämä anatomiset rakenteet malli määrittää, vastaako ultraäänikuva standardiskannauslaatua.
Tämän mallin odotetaan toimivan tehokkaana apuvälineenä synnytysultraäänitutkimuksessa, mikä mahdollistaa ultraäänikuvan laadun arvioinnin reaaliajassa, mikä vähentää merkittävästi ohimenneiden ja väärin diagnosoitujen sikiön sairauksien, kuten Downin oireyhtymän ja hermoston epämuodostumien määrää.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
400
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Di Dong, Ph.D
- Puhelinnumero: +86 13811833760
- Sähköposti: di.dong@ia.ac.cn
Tutki yhteystietojen varmuuskopiointi
- Nimi: Yali Zang, ph.D
- Sähköposti: yali.zang@ia.ac.cn
Opiskelupaikat
-
-
-
Beijing, Kiina
- Rekrytointi
- Peking University Third Hospital
-
Ottaa yhteyttä:
- Di Dong
- Sähköposti: di.dong@ia.ac.cn
-
Beijing, Kiina
- Rekrytointi
- Beijing Obstetrics and Gynecology Hospital Affiliated to Capital Medical University
-
Ottaa yhteyttä:
- Di Dong
- Sähköposti: di.dong@ia.ac.cn
-
Changsha, Kiina
- Rekrytointi
- Changsha Hospital for Maternal and Child Health Care
-
Ottaa yhteyttä:
- Di Dong
- Sähköposti: di.dong@ia.ac.cn
-
Changsha, Kiina
- Rekrytointi
- Second Xiangya Hospital of Central South University
-
Ottaa yhteyttä:
- Di Dong
- Sähköposti: di.dong@ia.ac.cn
-
-
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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Naiset raskauden alkuvaiheessa
Kuvaus
Sisällyttämiskriteerit:
- Raskauden alkuvaiheessa olevat naiset, joilla on yksityiskohtaiset henkilötiedot ja ultraäänikuvat.
- Ultraäänikuvien tulee näyttää selvästi sikiön mediaanisagitaali-, NT- ja suonipunoksen näkymät.
Poissulkemiskriteerit:
- Ultraäänikuvat naisilta raskauden puolivälissä ja loppuvaiheessa.
- Ultraäänikuvat, jotka ovat epäselviä tai epäselviä, mikä tekee arvioinnista vaikeaa.
- Naiset, jotka eivät antaneet täydellisiä henkilökohtaisia ja lääketieteellisiä tietoja ultraäänitutkimuksen aikana.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Pekingin synnytys- ja gynekologinen sairaala, joka on sidoksissa Capital Medical Universityyn
Beijing Obstetrics and Gynecology Hospital, joka kuuluu Capital Medical Universityyn, kerää kliinistä tietoa ja ultraäänikuvia sikiön sagitaali-, NT- ja suonipunoksen näkymistä, jotka on saatu varhaisina raskaana olevilta naisilta, joille tehtiin NT-lakaisu.
|
Tutkijat tunnistavat kiinnostuksen kohteena olevan alueen asianomaisessa osiossa tehdäkseen johtopäätöksen siitä, onko kuva vakio vai ei, ohjaamaan kliinikkoja standardoimaan leikkauksen ja vähentämään virhe- ja alidiagnoosien määrää.
|
|
Pekingin yliopistollinen kolmas sairaala
Pekingin yliopistollinen kolmas sairaala kerää kliinistä tietoa ja ultraäänikuvia sikiön sagitaali-, NT- ja suonipunoksen näkymistä, jotka on saatu varhaisina raskaana olevilta naisilta, joille tehtiin NT-lakaisu.
|
Tutkijat tunnistavat kiinnostuksen kohteena olevan alueen asianomaisessa osiossa tehdäkseen johtopäätöksen siitä, onko kuva vakio vai ei, ohjaamaan kliinikkoja standardoimaan leikkauksen ja vähentämään virhe- ja alidiagnoosien määrää.
|
|
Changshan sairaala äitien ja lasten terveydenhuoltoa varten
Changsha Hospital for Maternal and Child Health Care kerää kliinisiä tietoja ja ultraäänikuvia sikiön sagitaali-, NT- ja suonipunoksen näkymistä, jotka on saatu varhaisina raskaana olevilta naisilta, joille tehtiin NT-lakaisu.
|
Tutkijat tunnistavat kiinnostuksen kohteena olevan alueen asianomaisessa osiossa tehdäkseen johtopäätöksen siitä, onko kuva vakio vai ei, ohjaamaan kliinikkoja standardoimaan leikkauksen ja vähentämään virhe- ja alidiagnoosien määrää.
|
|
Keski-Etelän yliopiston toinen Xiangyan sairaala
Keski-Eteläyliopiston toinen Xiangya-sairaala kerää kliinistä tietoa ja ultraäänikuvia sikiön sagitaali-, NT- ja suonipunoksen näkymistä, jotka saatiin varhaisina raskaana olevilta naisilta, joille tehtiin NT-lakaisu.
|
Tutkijat tunnistavat kiinnostuksen kohteena olevan alueen asianomaisessa osiossa tehdäkseen johtopäätöksen siitä, onko kuva vakio vai ei, ohjaamaan kliinikkoja standardoimaan leikkauksen ja vähentämään virhe- ja alidiagnoosien määrää.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kuvanlaadun ohjausmoduulin PR-käyrä
Aikaikkuna: yksi kuukausi
|
Precision-Recall-käyrän ja keskimääräisen tarkkuuden käyttäminen kuvanlaadun ohjausmallin arviointiindikaattorina.
|
yksi kuukausi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Älykkään analyysijärjestelmän tarkkuus kuvanlaadun ohjausmoduulissa
Aikaikkuna: yksi kuukausi
|
Älykkään analyysijärjestelmän ennustustuloksen ja kultaisen standardin välinen sopimus
|
yksi kuukausi
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
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 1. syyskuuta 2023
Ensisijainen valmistuminen (Arvioitu)
Sunnuntai 31. joulukuuta 2023
Opintojen valmistuminen (Arvioitu)
Sunnuntai 30. heinäkuuta 2028
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 13. elokuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 13. elokuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Maanantai 21. elokuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 8. syyskuuta 2023
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 6. syyskuuta 2023
Viimeksi vahvistettu
Perjantai 1. syyskuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- CASMI005
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
Yksittäiset osallistujatiedot (IPD) voidaan pyynnöstä antaa muiden tutkijoiden käyttöön.
Kiinnostuneiden tutkijoiden tulee esittää järkevä tutkimusehdotus ja tiedonkäyttösovellus.
Kaikki tähän tutkimukseen osallistuvat yksiköt tarkistavat ja arvioivat ehdotuksen ja hakemuksen päättääkseen, jaetaanko tiedot.
IPD-jaon aikakehys
Tiedot tulevat saataville 6 kuukautta tutkimuksen päättymisen jälkeen ja ovat saatavilla 5 vuoden ajan.
IPD-jaon käyttöoikeuskriteerit
Kiinnostuneiden tutkijoiden tulee jättää tarkastettavaksi yksityiskohtainen tutkimusehdotus ja tiedonkäyttöhakemus.
Kaikki tähän tutkimukseen osallistuvat yksiköt arvioivat hakemuksen määrittääkseen kelpoisuuden saada tietoja.
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ANALYTIC_CODE
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 .