Recherche sur les lésions du labrum acétabulaire basées sur la RM : modèle d'apprentissage en profondeur multi-angles
29 juin 2021 mis à jour par: Peking University Third Hospital
Le but de cette étude est d'étudier les images IRM de la lésion du labrum acétabulaire par la méthode d'apprentissage en profondeur, et d'essayer d'établir un modèle de combinaison d'images en série axiales et coronales, et de comparer avec la précision diagnostique des radiologues, d'établir une méthode d'apprentissage en profondeur pour identification et classification précises des lésions du labrum acétabulaire.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Description détaillée
- Détection des images du labrum acétabulaire basées sur le CNN : des images T2-fs axiales et coronales ont été utilisées, et toutes les images ont été corrigées et standardisées. CNN est appliqué pour reconnaître et apprendre les images avec labrum acétabulaire pour sélectionner les images avec la structure du labrum acétabulaire de la séquence complète et supprimer les images sans structure du labrum acétabulaire. Toutes les données sont divisées en un ensemble d'apprentissage (70 %, 30 % dans l'ensemble d'apprentissage en tant qu'ensemble de vérification) et les 30 % restants en tant qu'ensemble de test pour évaluer la précision de la reconnaissance du modèle. Entrez les résultats obtenus dans l'étape suivante.
- Reconnaissance et segmentation du labrum acétabulaire basées sur Densenet : utiliser Densenet pour reconnaître et apprendre le labrum acétabulaire à partir des images sélectionnées. LabelImg a été utilisé pour localiser manuellement les coordonnées du labrum acétabulaire, puis les saisir dans Python pour l'apprentissage de la reconnaissance. Toutes les données ont été divisées en un ensemble d'apprentissage (70 %, puis 30 % dans l'ensemble d'apprentissage ont été sélectionnés comme ensemble de vérification), et les 30 % restants ont été utilisés comme ensemble de test pour évaluer la précision de la reconnaissance du modèle. Après identification de la structure du labrum, la structure du labrum est localement coupée et agrandie pour supprimer les informations redondantes. Enfin, entrez le résultat à l'étape suivante.
- Identification et classement des lésions du labrum acétabulaire sur la base du 3D-CNN : les données d'entrée ont été identifiées et classées par le modèle 3D-CNN. 3D-CNN est divisé en huit couches : couche d'entrée, couche de fil dur H1, couche de convolution C2, couche de sous-échantillonnage S3, couche de convolution C4, couche de sous-échantillonnage S5, couche de convolution C6 et couche de sortie. 3D-CNN construit un cube en empilant plusieurs images consécutives, puis utilise un noyau de convolution 3D dans le cube. Grâce à cette structure, les images caractéristiques de la couche de convolution seront connectées à plusieurs images adjacentes de la couche précédente pour réaliser l'acquisition d'informations d'images continues. De même, les données ont été divisées en un ensemble de formation (70 %, puis 30 % de l'ensemble de formation ont été sélectionnés comme ensemble de vérification), et les 30 % restants ont été utilisés comme ensemble de test pour évaluer la précision de la classification afin d'identifier la blessure. du labrum et classer les cas avec lésion.
- Modèle de combinaison : selon le processus ci-dessus (1-3), une fois les modèles établis pour les images axiales et coronales respectivement, selon les caractéristiques de sortie du modèle de classification CNN, les probabilités des différentes qualités sont prédites avant les résultats de sortie, et les résultats de sortie sont basés sur ces probabilités pour sélectionner la forme d'expression de la probabilité maximale possible. Notre modèle de combinaison fait la moyenne des probabilités de ces différentes classifications, calcule la probabilité de prédiction finale, puis obtient le modèle final. L'ensemble de test de la troisième étape (y compris les données mixtes d'images axiales et coronales) a été utilisé pour vérifier le modèle.
- Comparaison des radiologues et de l'apprentissage en profondeur : répertoriez les cas de l'ensemble de tests à l'étape 3 ci-dessus et demandez à deux radiologues professionnels MSK de classer s'il y a des dommages et le degré de dommages, et de les comparer aux résultats avec un diagnostic artificiel (les deux médecins lisent les images indépendamment et obtenu les résultats du diagnostic en simulant l'état normal d'écriture du rapport sans aucune invite). Enfin, la précision du diagnostic artificiel a été comparée à celle du modèle de combinaison obtenu à la quatrième étape.
Type d'étude
Observationnel
Inscription (Réel)
1261
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Beijing
-
Beijing, Beijing, Chine, 010
- Peking University Third Hospital
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Non
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
De septembre 2018 à septembre 2020, une IRM a été réalisée dans le département de radiologie du troisième hôpital de l'université de Pékin.
La description
Critère d'intégration:
- Sans aucun traitement avant l'examen d'imagerie ;
- L'IRM de l'articulation de la hanche a été réalisée dans les trois mois précédant l'opération et la qualité de l'image était bonne ;
- Une opération arthroscopique a été réalisée dans notre hôpital et les dossiers d'opération étaient complets.
Critère d'exclusion:
- Antécédents de chirurgie de la hanche, de tumeur ou de fracture antérieure ;
- Image floue, artéfact sérieux ou données cliniques incomplètes.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cas-témoins
- Perspectives temporelles: Rétrospective
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Groupe de contrôle normal-Grade 0
L'examen arthroscopique de la hanche était normal et le labrum était intact sans lésion ni déchirure.
|
Les résultats de l'arthroscopie de la hanche ont été pris comme référence et l'examen IRM a été pris comme objet de recherche.
|
|
Lésion ligamentaire - Grade 1
L'examen arthroscopique de la hanche a montré une dégénérescence ou une lésion du labrum, mais pas de déchirure locale ou complète.
|
Les résultats de l'arthroscopie de la hanche ont été pris comme référence et l'examen IRM a été pris comme objet de recherche.
|
|
Déchirure ligamentaire de grade 2
L'arthroscopie de la hanche a révélé une perte partielle ou totale du labrum.
|
Les résultats de l'arthroscopie de la hanche ont été pris comme référence et l'examen IRM a été pris comme objet de recherche.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Recherche sur les lésions du labrum acétabulaire basée sur la RM : modèle d'apprentissage en profondeur multi-angles
Délai: 2020.12.01-2021.05.30
|
Le modèle d'apprentissage en profondeur a été obtenu pour le diagnostic et le classement des lésions du labrum et comparé avec les médecins de différentes étapes.
|
2020.12.01-2021.05.30
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chaise d'étude: huishu Yuan, MD, Peking University Third Hospital
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
1 décembre 2020
Achèvement primaire (Réel)
30 avril 2021
Achèvement de l'étude (Réel)
30 mai 2021
Dates d'inscription aux études
Première soumission
29 juin 2021
Première soumission répondant aux critères de contrôle qualité
29 juin 2021
Première publication (Réel)
2 juillet 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
2 juillet 2021
Dernière mise à jour soumise répondant aux critères de contrôle qualité
29 juin 2021
Dernière vérification
1 juin 2021
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- M2020459
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Non
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .