Keinotekoisen älykkyysalgoritmin soveltaminen CT -kuvantamiseen perustuva lihasparametrien mittaus
torstai 20. helmikuuta 2025 päivittänyt: Yaomin Hu, RenJi Hospital
Keinotekoisen älykkyysalgoritmin soveltaminen CT -kuvantamiseen perustuva lihasparametrien mittaus sarkopenian diagnoosissa
Keinotekoisen älykkyysmallin perustaminen CT -kuvantamiseen perustuva sarkopenian automatisoitu diagnoosi
Tutkimuksen yleiskatsaus
Tila
Valmis
Yksityiskohtainen kuvaus
Kiihdyttävän ikääntymisprosessin myötä sarkopenian varhaisesta tunnistamisesta ja diagnoosista sekä sen haittavaikutusten tehokkaan estämisen kanssa on tullut lääketieteellisen tutkimuksen keskipiste.
Sarkopenian arviointi- ja diagnosointimenetelmillä on kuitenkin edelleen merkittäviä rajoituksia, mikä tekee tehokkaampien ja tarkempien tekniikoiden kehittämisestä lihasmassan arviointiin kiireellisen kliinisen tarpeen.
Vaikka CT: tä pidetään lupaavimpana menetelmänä lihasmassan arvioimiseksi, sen käytännöllistä soveltamista haittaavat sellaiset tekijät, kuten lääkärin asiantuntemuksen luottamus ja aikaa vieviä menettelyjä, rajoittaen sen laajalle levinneitä kliinisiä käyttöönottoa.
Näiden haasteiden valossa tämän tutkimuksen tavoitteena on kehittää keinotekoinen älykkyysmalli täysin automatisoituun lihasmassan mittaukseen, joka perustuu vatsan CT -kuvantamiseen ja validoida sen käyttöarvo avustaa sarkopenian diagnoosia.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
1080
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 2000127
- Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee
-
-
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
Ei-todennäköisyysnäyte
Tutkimusväestö
960 Renjin sairaalan geriatrisen osaston potilasta, 20 potilasta Ruijinin sairaalasta, joka on sidoksissa Shanghai Jiaotongin yliopiston lääketieteelliseen korkeakouluun, 20 potilasta Zhejiangin lääketieteellisen yliopiston ensimmäisestä sidosyhdistyksestä sairaalasta, 50 potilasta Wenzhoun lääketieteellisen yliopiston ensimmäisestä sidos sairaalasta ja 30 potilasta Huangshanin ihmisten sairaalasta.
Kuvaus
Sisällyttämiskriteerit ：
- BIA: n ja vatsan CT -tutkimukset suorittavat väestöt;
- Voi tehdä yhteistyötä ihmisen kehon koostumuksen analyysin, tarttuvuuden mittauksen, 6 metrin kävelyajan mittauksen ja kyselylomakkeen tutkimuksen loppuun saattamiseksi.
Poissulkemiskriteerit ：
- Ikä <18 -vuotias;
- Vatsan seinämän turvotuksen olemassaolo;
- Selkärangan kirurgian tai selkärangan murtumien tai selkärangan vaurioiden historia;
- Neuromuskulaaristen häiriöiden historia.
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 |
|---|---|---|
|
Kolmiulotteisen lihaksen tilavuuden ja rasvan määrän kvantifiointi automatisoituneesti ja tarkasti.
Aikaikkuna: 2020-2023
|
Kolmiulotteisen lihasmäärän ja rasvan määrän automaattisen ja tarkan kvantifioinnin saavuttamiseksi L3-selkärangan alueella syvällä oppimisella.
|
2020-2023
|
|
Keinotekoisen älykkyysmallin luomiseksi sarkopenian diagnoosille.
Aikaikkuna: 2020-2023
|
Keinotekoisten älykkyysmallien validointi voi auttaa sarkopenian diagnoosissa.
|
2020-2023
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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)
Tiistai 5. syyskuuta 2023
Ensisijainen valmistuminen (Todellinen)
Tiistai 31. joulukuuta 2024
Opintojen valmistuminen (Todellinen)
Tiistai 31. joulukuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 20. helmikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Torstai 20. helmikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Tiistai 25. maaliskuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 25. maaliskuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 20. helmikuuta 2025
Viimeksi vahvistettu
Lauantai 1. helmikuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- LY2023-150-A
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 .