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

Pozitron emissziós tomográfia (PET) képek mély neurális hálózatokkal

2019. október 28. frissítette: Dr. Liran Domachevsky, Sheba Medical Center

Diagnosztikai pozitronemissziós tomográfia (PET) képek kinyerése 10 másodperces ágyhelyzet mérésből, mély neurális hálózatok segítségével

A PET-felvételek két, pozitront kibocsátó izotópok által termelt 511 KeV foton megsemmisítésén alapulnak. Minél hosszabb a felvételi idő, annál több fotont észlel és dolgoz fel, ami jobb képminőséget eredményez. A hosszú szkennelési idők (jellemzően 20-40 perc szkennelésenként) azonban kevésbé kényelmesek a betegek számára, és a páciens mozgását és elmozdulását okozhatják.

számos tanulmány használt gépi tanulást diagnosztikai képek előállítására gyenge minőségű képekből. Vizsgálatunk célja, hogy diagnosztikai PET-képeket készítsünk ágypozíciónként 10 másodperces felvételi idővel DNN-algoritmusok segítségével

A tanulmány áttekintése

Állapot

Ismeretlen

Részletes leírás

A pozitronemissziós tomográfia (PET)/számítógépes tomográfia (CT), amely számos nyomjelzőt alkalmaz, amelyek közül a fluor-dezoxiglükóz (FDG) a legelterjedtebb, az onkológiában az egyik fő képalkotó módszerré vált. A PET és CT komponensek metabolikus, illetve anatómiai információkat tükröznek. A PET-felvételek két, pozitront kibocsátó izotópok által termelt 511 KeV foton megsemmisítésén alapulnak. Minél hosszabb a felvételi idő, annál több fotont észlel és dolgoz fel, ami jobb képminőséget eredményez. A hosszú szkennelési idők (jellemzően 20-40 perc szkennelésenként) azonban kevésbé kényelmesek a betegek számára, és a páciens mozgását és elmozdulását okozhatják. Az évek során számos módszert fejlesztettek ki, például a 3D-t és a repülési idő mérését, hogy kompenzálják a letapogatási idő lerövidüléséből adódó képminőség-romlást. A közelmúltban számos tanulmány használt gépi tanulást diagnosztikai képek előállítására gyenge minőségű képekből. Xiang és munkatársai összehasonlították az agy PET-képeit, amelyeket 3 perc alatt készítettek (azaz alacsony minőségű PET-et (LPET)) a standard PET-képekkel (azaz SPET), amelyeket 12 perc alatt készítettek. LPET és T1 súlyozott képeket kombináltak mély neurális hálózatok (DNN) segítségével, hogy a SPET képekkel egyenértékű diagnosztikai PET képeket állítsanak elő.

Vizsgálatunk célja, hogy a Sheba képalkotó részlegében található CILAB laboratóriumban kifejlesztett DNN algoritmusok segítségével diagnosztikus PET képeket készítsünk ágypozíciónként 10 másodperces felvételi idővel.

Az algoritmusokat korábban sikeresen validálták az ultraalacsony dózisú mellkasi CT-vizsgálatok zajtalanítására, így alkalmassá váltak tüdőrákszűrésre. Az algoritmusok a lokálisan konzisztens nem helyi eszközök (LC-NLM) algoritmuson alapulnak.

Az LC-NLM algoritmus gyors közelítő legközelebbi szomszédokat (ANN) használ, hogy megtalálja a leghasonlóbb nagy SNR-ű foltot egy szándékosan felépített adatbázisban a bemeneti kép minden zajos foltjához (Green et al.) ] Javasoljuk a közelmúltban Nem lokális neurális hálózatokat vezetett be (Wang et al.), hogy az LC-NLM-et egy teljesen betanítható, lokálisan konzisztens nemlokális blokkba (LC-NLB) rakja össze. Az eredeti nem lokális hálózatok a klasszikus non-local eszközök (NLM) algoritmus (Buades et al.) ötleteit kombinálják egy neurális hálózati blokkban, amely egy adott pozícióban a kimenetet az összes pozícióban lévő jellemzők súlyozott összegeként számítja ki. .

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

200

Kapcsolatok és helyek

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

Tanulmányi helyek

      • Ramat Gan, Izrael, 52621
        • Sheba Medical Center Hospital- Tel Hashomer

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, OLDER_ADULT)

Egészséges önkénteseket fogad

Igen

Tanulmányozható nemek

Összes

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Betegek, akik FDG PET/CT-t végeznek a csúcstól a combközépig.

Leírás

Bevonási kritériumok: FDG PET/CT-t végző betegek -

Kizárási kritériumok:1. 18 éven aluliak. 2. FDG-től eltérő radioizotóppal végzett PET/CT.

-

Tanulási terv

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

Hogyan készül a tanulmány?

Tervezési részletek

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Diagnosztikai PET képek előállítása mély neurális hálózatok algoritmusaival
Időkeret: 2 év
A PET-képek készítéséhez nagyon rövid ágypozíciókat kell kialakítani, amelyek minősége megegyezik a szabványos PET-képekkel
2 év

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Liran Domachevsky, MD, Sheba medical center

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 (VÁRHATÓ)

2019. november 1.

Elsődleges befejezés (VÁRHATÓ)

2021. november 1.

A tanulmány befejezése (VÁRHATÓ)

2021. november 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2019. október 24.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2019. október 24.

Első közzététel (TÉNYLEGES)

2019. október 28.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (TÉNYLEGES)

2019. október 30.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2019. október 28.

Utolsó ellenőrzés

2019. október 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • SHEBA-19-6267-LD-CTIL

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

IPD terv leírása

A betegek PET-képminősége vizuális alapon és objektív paraméterekkel pontozva.

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

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