Deep Learning luokittelu suolen tukkeuma röntgenkuvat
keskiviikko 13. maaliskuuta 2024 päivittänyt: The First Affiliated Hospital of Soochow University
Itseohjattua opetusta suolitukoksen luokittelusta pystysuorassa vatsan röntgenkuvassa
Tausta: Tukoskohdan tarkka merkitseminen pystysuorassa vatsan röntgenkuvassa on haastava tehtävä. Perustotuuden puute johtaa huonoon suoritukseen valvotuissa oppimismalleissa. Tämän ongelman ratkaisemiseksi ehdotetaan itsevalvottua oppimista (SSL) normaalien ohutsuolen tukkeutumisesta (SBO) ja paksusuolen tukkeutumisesta (LBO) otetuista röntgenkuvista luokittelemaan muutamaa vahvistettua näytettä käyttäen.
Menetelmät: Muutama määrä vahvistettuja ja suuri määrä leimaamattomia röntgenkuvia luokiteltiin todellisen totuuden perusteella. SSL-malli opetettiin ensin leimaamattomiin röntgenkuviin ja sitten hienosäädettiin vahvistettuihin röntgenkuviin. ResNet50 ja VGG16 käytettiin sulautetuissa peruskoodereissa, joiden painoja ja parametreja säädettiin harjoitusprosessin aikana. Lisäksi sitä testattiin riippumattomalla aineistolla, jota verrattiin valvottuihin oppimismalleihin ja ihmistulkkiin. Lopuksi mallin tulkinnan visualisoimiseen käytettiin t-SNE:tä ja Grad-CAM:ia.
Tutkimuksen yleiskatsaus
Tila
Aktiivinen, ei rekrytointi
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
4500
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Jiangsu
-
Suzhou, Jiangsu, Kiina, 215006
- TheFirst Affiliated Hospital of Soochow University
-
-
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
Ei
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Tähän tutkimukseen sisällytettiin vatsan pystyasennossa röntgenkuvat.
Ne voidaan jakaa osallistujiin, joilla on normaali vatsan röntgenkuva, osallistujiin, joilla on ohutsuolen tukos, ja osallistujiin, joilla on paksusuolen tukos.
Tutkimus noudattaa tiukasti mukaan- ja poissulkemiskriteerejä.
Kuvaus
Sisällyttämiskriteerit:
- Sairaalan kuvantamisjärjestelmä etsi tavallisia vatsan seisovia filmejä, jotka oli diagnosoitu suolistotukoksi tai normaaliksi vuosina 2022–2024
- Ikäraja 18-80 vuotta
- Suurin valitus oli maha-suolikanavan oireet
Poissulkemiskriteerit:
- Kuvahäiriöitä, sumeaa suorituskykyä, vaikea erottaa
- Ei-maha-suolikanavan oireet olivat pääasiallinen valitus
- Selkämakaa, makuulla tai lateraalisella makuuasennon röntgenkuvaus
- Paralyyttinen obstruktio, suljetun silmukan tukos, et ai
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 |
|---|
|
potilaille, joilla on normaali vatsan röntgenkuva
potilailla, joilla oli normaalit vatsan röntgenkuvat, jotka vahvistettiin ylimääräisillä kuvantamistutkimuksilla ja kliinisillä tiedoilla.
Kuvantamistutkimukset käsittivät TT:n, magneettikuvauksen (MRI) ja kolonoskopian seuraavien 72 tunnin aikana, kun taas kliinisiin tutkimuksiin sisältyivät viimeisimmät sairaalahoitotiedot ja muistiinpanot leikkauksista.
|
|
potilaille, joilla on ohutsuolen tukkeuma röntgenkuvat
potilaiden ohutsuolen ahtauma röntgenkuvat, jotka vahvistettiin ylimääräisillä kuvantamistutkimuksilla ja kliinisillä tiedoilla.
Kuvantamistutkimukset käsittivät TT:n, magneettikuvauksen (MRI) ja kolonoskopian seuraavien 72 tunnin aikana, kun taas kliinisiin tutkimuksiin sisältyivät viimeisimmät sairaalahoitotiedot ja muistiinpanot leikkauksista.
Sijainnin suhteen ohutsuolen tukkeuma (SBO) käsittää pohjukaissuolen, tyhjäsuolen ja sykkyräsuolen
|
|
potilaille, joilla on paksusuolen tukkeuma röntgenkuvat
paksusuolen ahtauma röntgenkuvat, jotka vahvistettiin ylimääräisillä kuvantamistutkimuksilla ja kliinisillä tiedoilla.
Kuvantamistutkimukset käsittivät TT:n, magneettikuvauksen (MRI) ja kolonoskopian seuraavien 72 tunnin aikana, kun taas kliinisiin tutkimuksiin sisältyivät viimeisimmät sairaalahoitotiedot ja muistiinpanot leikkauksista.
Sijainnin suhteen paksusuolen tukkeuma (SBO) käsittää umpisuolen, paksusuolen ja peräsuolen.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Diagnostinen ja luokittelukyky
Aikaikkuna: 1 viikko
|
Tarkkuus, Recall, Tarkkuus, F1-pisteet ja sekavuusmatriisi
|
1 viikko
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Visualisoitu tulkinta itseohjatusta mallista
Aikaikkuna: 1 viikko
|
Grad-CAM ja t-SNE visualisoimaan SSL-mallin tulkinnan
|
1 viikko
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Opintojohtaja: Rui Li, MD, The First Affiliated Hospital of Soochow University
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Markogiannakis H, Messaris E, Dardamanis D, Pararas N, Tzertzemelis D, Giannopoulos P, Larentzakis A, Lagoudianakis E, Manouras A, Bramis I. Acute mechanical bowel obstruction: clinical presentation, etiology, management and outcome. World J Gastroenterol. 2007 Jan 21;13(3):432-7. doi: 10.3748/wjg.v13.i3.432.
- Cheng PM, Tran KN, Whang G, Tejura TK. Refining Convolutional Neural Network Detection of Small-Bowel Obstruction in Conventional Radiography. AJR Am J Roentgenol. 2019 Feb;212(2):342-350. doi: 10.2214/AJR.18.20362. Epub 2018 Nov 26.
- Kim DH, Wit H, Thurston M, Long M, Maskell GF, Strugnell MJ, Shetty D, Smith IM, Hollings NP. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021 Jun 1;94(1122):20201407. doi: 10.1259/bjr.20201407. Epub 2021 Apr 27.
- Frager D. Intestinal obstruction role of CT. Gastroenterol Clin North Am. 2002 Sep;31(3):777-99. doi: 10.1016/s0889-8553(02)00026-2.
- Cappell MS, Batke M. Mechanical obstruction of the small bowel and colon. Med Clin North Am. 2008 May;92(3):575-97, viii. doi: 10.1016/j.mcna.2008.01.003.
- ten Broek RP, Strik C, Issa Y, Bleichrodt RP, van Goor H. Adhesiolysis-related morbidity in abdominal surgery. Ann Surg. 2013 Jul;258(1):98-106. doi: 10.1097/SLA.0b013e31826f4969.
- Vanderbecq Q, Ardon R, De Reviers A, Ruppli C, Dallongeville A, Boulay-Coletta I, D'Assignies G, Zins M. Adhesion-related small bowel obstruction: deep learning for automatic transition-zone detection by CT. Insights Imaging. 2022 Jan 24;13(1):13. doi: 10.1186/s13244-021-01150-y.
- Chen Y, Mancini M, Zhu X, Akata Z. Semi-Supervised and Unsupervised Deep Visual Learning: A Survey. IEEE Trans Pattern Anal Mach Intell. 2024 Mar;46(3):1327-1347. doi: 10.1109/TPAMI.2022.3201576. Epub 2024 Feb 6.
- Li G, Togo R, Ogawa T, Haseyama M. Self-supervised learning for gastritis detection with gastric X-ray images. Int J Comput Assist Radiol Surg. 2023 Oct;18(10):1841-1848. doi: 10.1007/s11548-023-02891-5. Epub 2023 Apr 11.
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)
Lauantai 31. joulukuuta 2022
Ensisijainen valmistuminen (Arvioitu)
Tiistai 30. huhtikuuta 2024
Opintojen valmistuminen (Arvioitu)
Tiistai 31. joulukuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 13. maaliskuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 13. maaliskuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 20. maaliskuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 20. maaliskuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 13. maaliskuuta 2024
Viimeksi vahvistettu
Perjantai 1. maaliskuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2022098
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
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 .