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

Kiterjesztett endobronchiális ultrahang (EBUS-TBNA) mesterséges intelligenciával

2026. szeptember 29. frissítette: Norwegian University of Science and Technology

A mediastinalis nyirokcsomók és a vérerek automatikus szegmentálása endobronchiális ultrahangos (EBUS) képeken mély neurális hálózat segítségével

To evaluate the usefulness of Deep neural network (DNN) in the evaluation of mediastinal and hilar lymph nodes with Endobronchial ultrasound (EBUS). The study will explore the feasibility of DNN to identify lymph nodes and blood vessel examined with EBUS.

A tanulmány áttekintése

Részletes leírás

Multi-center prospective feasibility study. The DNN model will be trained on ultrasound images with annotation to identifies lymph nodes and blood vessels examined with EBUS. The ability of the DNN to segment lymph nodes and vessels based on postoperative processing and static EBUS images will be evaluated in the first part of the study. In the second part of the study Real-time use of DNN in EBUS procedure will be evaluated.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

50

Kapcsolatok és helyek

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

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

Tanulmányi helyek

      • Levanger, Norvégia, 7600
        • Toborzás
        • Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
        • Kapcsolatba lépni:
      • Trondheim, Norvégia, 7030
        • Toborzás
        • Department of Thoracic Medicine, St Olavs Hospital
        • Kapcsolatba lépni:

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

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Patents with undiagnosed enlarged mediastinal and hilar lymph nodes who have been recommended for Endobronchial ultrasound transbronchial needle aspiration (EBUS-TBNA).

Leírás

Inclusion Criteria:

  • Subjects referred to thoracic department in any of the participating hospitals with undiagnosed enlarged mediastinal and hilar lymph nodes.
  • Subjects have to be ≥ 18 years of age

Exclusion Criteria:

  • Pregnancy
  • Any patient that the Investigator feels is not appropriate for this study for any reason.

Tanulási terv

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

Hogyan készül a tanulmány?

Tervezési részletek

  • Megfigyelési modellek: CASE_ONLY
  • Időperspektívák: PROSPECTIVE

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Capability
Időkeret: 8 months

To explore if Deep neural network (DNN) has capability to segment lymph nodes and blood vessels from EBUS images

8 months

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Precision
Időkeret: 2 months

The precision the DNN has for detecting lymph nodes and blood vessels. Measured both per voxel in the EBUS images and per annotated structure (a structure is counted as detected if at least 50% of its annotated pixels are identified by the DNN).

2 months
Sensitivity
Időkeret: 2 months

True positive rate. Correctly detected lymph nodes/blood vessel over total lymph nodes/blood vessel. Measured per pixel in the EBUS images

2 months
Specificity
Időkeret: 2 months

Specificity = (True Negative)/(True Negative + False Positive). Measured per pixel in the EBUS images.

2 months
Dice similarity coefficient
Időkeret: 2 months

Measures the similarity between two sets of data: Annotated by pulmonologist vs DNN.

2 months
Run-time
Időkeret: 2 months

Is the run-time sufficiently low for real-time analysis during EBUS?

2 months
Adverse events
Időkeret: 48 hours

Procedure related adverse events or unexpected incidents registered

48 hours

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Tanulmányi igazgató: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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 (Tényleges)

2023. május 1.

Elsődleges befejezés (Becsült)

2027. május 1.

A tanulmány befejezése (Becsült)

2027. december 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2023. február 13.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2023. február 13.

Első közzététel (Tényleges)

2023. február 22.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. szeptember 30.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. szeptember 29.

Utolsó ellenőrzés

2026. szeptember 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • 240245

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