Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Modell-alapú képrekonstrukció röntgen-CT-hez tüdőképalkotásban

2016. február 3. frissítette: Jeffrey Fessler PhD., University of Michigan
Olyan számítógépes program kifejlesztése, amely javítja a CT-képminőséget és csökkenti a röntgensugárzás mennyiségét, amely a jövőbeli betegeknek kitéve CT-vizsgálat során.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Részletes leírás

A betegektől engedélyt fogunk kérni, hogy elmentsék és felhasználhassák a CT-vizsgálatból származó szinogramot. A szinogram azonosítása megszűnik, és tárolás céljából egy archív rendszerbe kerül. Számítógépre lesz exportálva MBIR (modell alapú iteratív rekonstrukció) segítségével történő feldolgozáshoz. Az MBIR (modell alapú iteratív rekonstrukció) egy új módszer a CT szinogramok feldolgozására. Az újonnan rekonstruált képeket szakértők felülvizsgálják, hogy megállapítsák, olyan olvashatóak és pontosak-e, mint a jelenleg használt szoftverrel készített CT-képek. A sinogramadatokat és a rekonstruált képeket megosztják a General Electric Global Research együttműködő kutatóival.

Tanulmány típusa

Beavatkozó

Beiratkozás (Tényleges)

184

Fázis

  • 1. fázis

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

  • Egyesült Államok
    • Michigan
      • Ann Arbor, Michigan, Egyesült Államok, 48109
        • University of Michigan Hospital

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

18 év és régebbi (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Nem

Tanulmányozható nemek

Összes

Leírás

Bevételi kritériumok:

1. 18 éves vagy idősebb 2. Nincs olyan egészségügyi vagy pszichiátriai állapot, amely kizárná a tájékozott beleegyezést

-

Kizárási kritériumok:

  1. Képtelenség hanyatt feküdni a fej fölé emelt karokkal 30 percig.
  2. Fém implantátumok vagy fém eszközök a mellkasban vagy a hátban.
  3. Részvétel más, ionizáló sugárzással kapcsolatos kutatási kísérletekben

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Elsődleges cél: Alapvető tudomány
  • Kiosztás: N/A
  • Beavatkozó modell: Egyetlen csoportos hozzárendelés
  • Maszkolás: Egyetlen

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Kísérleti: CT képalkotás és rekonstrukció
MBIR (modell alapú képrekonstrukció) módszer kidolgozása, amely a képminőség javításával és a dózis csökkentésével javítja a röntgen CT tüdő képalkotást.
Eljárás: CT képalkotás és rekonstrukció

A betegek beleegyezést kapnak ahhoz, hogy elmentsék és felhasználhassák a mellkasi/tüdő-CT-vizsgálatuk szinogramját. A szinogram azonosítása megszűnik, és tárolás céljából egy archív rendszerbe kerül.

Később egy számítógépre exportálják MBIR (modell alapú képrekonstrukció) segítségével történő feldolgozásra. Az újonnan feldolgozott képeket ezután elvakult olvasók olvassák el. A képek minőségét felülvizsgálják, hogy megállapítsák, olyan olvashatóak és pontosak-e, mint a jelenleg használt szoftverrel készített CT-képek.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Számítógépes program fejlesztése a CT képminőség javítására
Időkeret: 6 év

A szinogramokat egy archív rendszer fogja lekérni, és MBIR (modell-alapú képrekonstrukció) módszerekkel dolgozza fel, amelyeket fejlesztünk, és amelyek javítják a képminőséget (csökkentik a zajt, javítják a térbeli felbontást, csökkentik a műtermékeket). A képminőséget mennyiségileg és minőségileg is értékelni fogjuk.

Reméljük, hogy algoritmusgyorsítási módszereket dolgozunk ki és benchmarkolunk, hogy lehetővé tegyük az MBIR (modell alapú képrekonstrukció) módszerek rutinszerű klinikai alkalmazását.
6 év

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

University of Michigan

Együttműködők

National Institutes of Health (NIH)
General Electric

Nyomozók

  • Kutatásvezető: Jeffrey Fessler, PhD, University of Michigan Hospital
  • Kutatásvezető: Jeffrey Fessler, PhD, University of Michigan

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete

2010. augusztus 1.

Elsődleges befejezés (Tényleges)

2015. március 1.

A tanulmány befejezése (Tényleges)

2015. december 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2013. november 1.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2013. november 1.

Első közzététel (Becslés)

2013. november 8.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Becslés)

2016. február 5.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2016. február 3.

Utolsó ellenőrzés

2016. február 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • HUM00038447

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel