Syväoppiminen etummaisena fibulaarisen sidekudoksen vamman ultraääniluokituksesta
perjantai 19. huhtikuuta 2024 päivittänyt: Zhu Jiaan, Peking University People's Hospital
Syväoppiminen mahdollistava ultraääniluokitus etummaisen nivelsiteiden vamman Kiinassa: retrospektiivinen, monikeskus, diagnostinen tutkimus
Ultraääni (US) on magneettiresonanssikuvaukseen (MRI) verrattuna kustannustehokkaampi, helppopääsyisempi ja saatavilla oleva kuvantamistekniikka anteriorisen talofibulaarisen ligamentin (ATFL) vammojen arvioimiseen. Kuitenkin tämän tekniikan käytön haasteet ja pätevien tuki- ja liikuntaelimistön (MSK) radiologien kasvava kysyntä viivästyttää diagnoosia. Useiden kliinisten keskusten tietojoukkojen avulla pyrimme kehittämään ja validoimaan syvän konvoluutioverkoston (DCNN) mallin, joka automatisoi ATFL-vammojen luokittelun US-kuvien avulla. Tavoitteena on tarjota tulkittavissa olevaa apua radiologeille ja helpottaa ATFL-vammojen tarkempaa diagnoosia.
Tutkijat keräsivät Yhdysvalloista kuvia ATFL-vammoista, joilla oli nivelleikkauksen tulokset vertailustandardina 13 sairaalasta eri puolilla Kiinaa. Sitten tutkijat jakoivat kuvat harjoitustietojoukkoon, sisäiseen validointitietoaineistoon ja ulkoiseen validointitietoaineistoon suhteessa 8:1:1; tutkijat valitsivat optimaalisen DCNN-mallin testatakseen sen diagnostista suorituskykyä mallissa, mukaan lukien diagnostinen tarkkuus, herkkyys, spesifisyys ja F1-pistemäärä. Lopulta tutkijat vertasivat mallin diagnostista suorituskykyä 12 eri asiantuntemustason radiologin kanssa.
Tutkimuksen yleiskatsaus
Tila
Aktiivinen, ei rekrytointi
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
3000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Beijing
-
Beijing, Beijing, Kiina, 100032
- Peking University People's Hospital
-
-
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
Kuten yllä mainittu
Kuvaus
Sisällyttämiskriteerit:
- ikä > 18 vuotta vanha
- potilaat, joilla oli ensimmäinen jakso, akuutti nilkan nyrjähdys ja jotka olivat saaneet Uh-tutkimuksen 14 päivän sisällä vamman jälkeen
- potilaat, joille tehtiin vastaava artrroskooppisen leikkauksen tulos ATFL-vamman luokittelua varten.
Poissulkemiskriteerit:
- potilaat, joilla on aiemmin ollut nilkan avoin trauma tai nilkkanivelleikkaus
- nilkassa oli pehmytkudos- tai luukasvaimia
- samaan aikaan minkä tahansa muun nivelreuman kanssa
- kuvanlaatu oli heikko tai siinä oli vakavia artefakteja (esim. anisotrooppisia artefakteja)
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 |
|---|---|
|
Ryhmä I
ATFL:n lievä rasitusvamma
|
Kaksi johtavaa radiologia kliinisessä keskuksessamme arvioi uudelleen osallistuneista sairaaloista saadut kuvat.
|
|
Ryhmä II
ATFL:n osittaiset nivelsiteen repeämät
|
Kaksi johtavaa radiologia kliinisessä keskuksessamme arvioi uudelleen osallistuneista sairaaloista saadut kuvat.
|
|
Ryhmä III
ATFL:n täydellinen repeämä
|
Kaksi johtavaa radiologia kliinisessä keskuksessamme arvioi uudelleen osallistuneista sairaaloista saadut kuvat.
|
|
Ryhmä IV
murtumia
|
Kaksi johtavaa radiologia kliinisessä keskuksessamme arvioi uudelleen osallistuneista sairaaloista saadut kuvat.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Arvioida, ovatko yhdysvaltalaiset kuvat yksimielisiä vertailustandardin ATFL-vammaluokituksen kanssa
Aikaikkuna: Perustaso
|
Kliinisen keskuksemme radiologit arvioivat uudelleen, ovatko yhdysvaltalaiset kuvat yksimielisiä sen vertailustandardin ATFL-vamman luokituksen kanssa.
|
Perustaso
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Jiaan Zhu, Dr, Peking University People's Hospital
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Gribble PA, Bleakley CM, Caulfield BM, Docherty CL, Fourchet F, Fong DT, Hertel J, Hiller CE, Kaminski TW, McKeon PO, Refshauge KM, Verhagen EA, Vicenzino BT, Wikstrom EA, Delahunt E. Evidence review for the 2016 International Ankle Consortium consensus statement on the prevalence, impact and long-term consequences of lateral ankle sprains. Br J Sports Med. 2016 Dec;50(24):1496-1505. doi: 10.1136/bjsports-2016-096189. Epub 2016 Jun 3.
- Colo G, Bignotti B, Costa G, Signori A, Tagliafico AS. Ultrasound or MRI in the Evaluation of Anterior Talofibular Ligament (ATFL) Injuries: Systematic Review and Meta-Analysis. Diagnostics (Basel). 2023 Jul 10;13(14):2324. doi: 10.3390/diagnostics13142324.
- Cao M, Liu S, Zhang X, Ren M, Xiao Z, Chen J, Chen X. Imaging diagnosis for anterior talofibular ligament injury: a systemic review with meta-analysis. Acta Radiol. 2023 Feb;64(2):612-624. doi: 10.1177/02841851221080556. Epub 2022 Mar 27.
- Gao Y, Zeng S, Xu X, Li H, Yao S, Song K, Li X, Chen L, Tang J, Xing H, Yu Z, Zhang Q, Zeng S, Yi C, Xie H, Xiong X, Cai G, Wang Z, Wu Y, Chi J, Jiao X, Qin Y, Mao X, Chen Y, Jin X, Mo Q, Chen P, Huang Y, Shi Y, Wang J, Zhou Y, Ding S, Zhu S, Liu X, Dong X, Cheng L, Zhu L, Cheng H, Cha L, Hao Y, Jin C, Zhang L, Zhou P, Sun M, Xu Q, Chen K, Gao Z, Zhang X, Ma Y, Liu Y, Xiao L, Xu L, Peng L, Hao Z, Yang M, Wang Y, Ou H, Jia Y, Tian L, Zhang W, Jin P, Tian X, Huang L, Wang Z, Liu J, Fang T, Yan D, Cao H, Ma J, Li X, Zheng X, Lou H, Song C, Li R, Wang S, Li W, Zheng X, Chen J, Li G, Chen R, Xu C, Yu R, Wang J, Xu S, Kong B, Xie X, Ma D, Gao Q. Deep learning-enabled pelvic ultrasound images for accurate diagnosis of ovarian cancer in China: a retrospective, multicentre, diagnostic study. Lancet Digit Health. 2022 Mar;4(3):e179-e187. doi: 10.1016/S2589-7500(21)00278-8.
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. huhtikuuta 2024
Ensisijainen valmistuminen (Arvioitu)
Tiistai 30. huhtikuuta 2024
Opintojen valmistuminen (Arvioitu)
Perjantai 30. toukokuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 15. huhtikuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 15. huhtikuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Torstai 18. huhtikuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 23. huhtikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 19. huhtikuuta 2024
Viimeksi vahvistettu
Maanantai 1. huhtikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- 2023PHB211-001
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 .