Réseau de neurones convolutifs pour la détection de la myélomalacie cervicale
Réseau de neurones convolutifs pour la détection de la myélomalacie cervicale par imagerie par résonance magnétique
La technologie d'apprentissage en profondeur est de plus en plus utilisée dans la chirurgie du rachis ainsi que dans de nombreux domaines médicaux. Cependant, on remarque que la plupart des études sur ce sujet dans la littérature ont été menées à l'exception du rachis cervical. Dans cette étude, nous avons cherché à démontrer l'efficacité de l'algorithme d'apprentissage en profondeur dans le diagnostic de la myélomalacie cervicale par rapport aux méthodes de diagnostic conventionnelles.
Les réseaux de neurones artificiels, une technique d'apprentissage automatique, sont de plus en plus utilisés dans plusieurs domaines industriels et de recherche. Le développement des unités de calcul et la quantité croissante de données ont conduit au développement de nouvelles méthodes sur les réseaux de neurones artificiels
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La myélopathie cervicale (MC) est une maladie dégénérative fréquente de la colonne cervicale qui survient à la suite d'une compression de la moelle épinière. Lors de l'évaluation de cette maladie et de la détermination des options de traitement, la clinique du patient et les modalités radiologiques doivent être évaluées ensemble.
Les procédures d'imagerie actuelles pour CM sont les radiogrammes simples, la tomodensitométrie et l'imagerie par résonance magnétique (IRM). Cependant, l'IRM en CM est plus utile pour évaluer le disque, la moelle épinière et d'autres tissus mous par rapport à d'autres méthodes d'imagerie. Des technologies d'intelligence artificielle également utilisées dans de nombreuses applications de santé telles que l'analyse d'images médicales, l'analyse de signaux biologiques, etc. Dans cette étude, nous avons cherché à démontrer l'efficacité de l'algorithme d'apprentissage en profondeur dans le diagnostic de la myélomalacie cervicale par rapport aux méthodes de diagnostic conventionnelles.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Fatih
-
Istanbul, Fatih, Turquie, 34093
- Istanbul University
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- les patients présentant des symptômes classiques de myélomalacie cervicale tels que douleurs et raideurs au cou, faiblesse et maladresse des membres supérieurs ou difficultés de marche et signes radiologiques de compression vertébrale
- 30-80 ans.
Critère d'exclusion:
- Patients ayant des antécédents de chirurgie du rachis cervical et ayant une maladie systématique (maladie rhumatologique ou neurale) .
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
myélopathie cervicale
Images IRM de patients atteints de myélopathie cervicale
|
Les réseaux de neurones convolutifs, une technique d'apprentissage automatique, sont de plus en plus utilisés dans plusieurs domaines industriels et de recherche.
Le développement des unités de calcul et la quantité croissante de données ont conduit au développement de nouvelles méthodes sur les réseaux de neurones artificiels.
L'apprentissage en profondeur (DL) est un réseau de neurones multicouches dans lequel l'extraction de caractéristiques est effectuée automatiquement.
Il étend les réseaux de neurones traditionnels en ajoutant davantage de couches cachées à l'architecture du réseau entre les couches d'entrée et de sortie pour modéliser des relations plus complexes et non linéaires.
|
|
normal
coupe normale de l'IRM des patients atteints de myélopathie cervicale
|
Les réseaux de neurones convolutifs, une technique d'apprentissage automatique, sont de plus en plus utilisés dans plusieurs domaines industriels et de recherche.
Le développement des unités de calcul et la quantité croissante de données ont conduit au développement de nouvelles méthodes sur les réseaux de neurones artificiels.
L'apprentissage en profondeur (DL) est un réseau de neurones multicouches dans lequel l'extraction de caractéristiques est effectuée automatiquement.
Il étend les réseaux de neurones traditionnels en ajoutant davantage de couches cachées à l'architecture du réseau entre les couches d'entrée et de sortie pour modéliser des relations plus complexes et non linéaires.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
La valeur de la précision de la matrice de confusion pour les vues sagittales
Délai: Un jour
|
Il s'agit d'un format de table spécifique qui permet de visualiser les performances d'un algorithme.
|
Un jour
|
|
La valeur de la précision de la matrice de confusion pour les vues axiales
Délai: Un jour
|
Il s'agit d'un format de table spécifique qui permet de visualiser les performances d'un algorithme.
|
Un jour
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Hakan Yilmaz, Karabuk University, Faculty of Engineering
- Chercheur principal: Murat Korkmaz, Istanbul University, Faculty of Medicine
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (RÉEL)
Achèvement primaire (RÉEL)
Achèvement de l'étude (RÉEL)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (RÉEL)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (RÉEL)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- KAEK/2020.07.129
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- SÈVE
- CIF
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .