Syväoppimiseen perustuva tekoäly ohutsuolen tukkeuman diagnosointiin
Tutkimus, jossa käytetään syväoppimiseen perustuvaa tekoälyä ohutsuolen tukkeuman diagnosointiin
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
SUUNNITTELU: Tämä on diagnostinen tutkimus. ASETUS: Kehitimme syväoppimiseen perustuvan tekoälyteknologian, joka erottaa automaattisesti suoliston TT-kuvista käyttämällä 5 200 TT-kuvaa 158 potilaalta. Päivystyspoliklinikalla 6.6.-26.7.2018 ohutsuolen tukkeutumisesta epäiltyjen potilaiden TT-kuvat saatiin kahdesta korkea-asteen lähetekeskuksesta, joita käytettiin testinäytteinä. Tietojen analysointi valmistui joulukuussa 2023.
OSALLISTUJAT: Tutkimukseen osallistuivat asukkaat ja kirurgit. INTERVENTIOT: Asukkaat ja kirurgit jaettiin kahteen ryhmään: yksi ryhmä luki tekoälyteknologialla ja toinen ryhmä luki ilman tekoälytekniikkaa.
TÄRKEIMMÄT TULOKSET JA TOIMENPITEET: Osallistujat ilmoittivat, olivatko ohutsuolen tukkeumat ja tukkeumat vai eivät. Myös diagnoosin aika kerättiin. Käytimme hierarkkista Bayesin mallia.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Aichi
-
Nagoya, Aichi, Japani, 4668560
- Nagoya University Graduate School of Medicine
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Henkilöt, joilla on dokumentoitu suostumus
Poissulkemiskriteerit:
- Henkilöt, joilla ei ole dokumentoitua suostumusta
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
AI ryhmä
Osallistujat lukevat CT-kuvia tekoälyllä.
|
Tekoäly erottaa suoliston alueen ja rekonstruoi 3D-kuvaksi.
|
|
Manuaalinen ryhmä
Osallistujat lukevat CT-kuvia ilman tekoälyä
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tukoskohdan diagnoosi
Aikaikkuna: Syyskuu, 2024
|
Tukoskohdan diagnoosin tarkkuus
|
Syyskuu, 2024
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Opintojen puheenjohtaja: Hieoo Uchida, PhD., Nagoya University Graduate School of Medicine, Pediatric Surgery
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2022-0188
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .