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

2023. november 15. frissítette: Norwegian University of Science and Technology

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

A mély neurális hálózat (DNN) hasznosságának értékelése a mediastinalis és hilaris nyirokcsomók endobronchiális ultrahanggal (EBUS) történő értékelésében. A tanulmány megvizsgálja a DNN megvalósíthatóságát az EBUS-szal vizsgált nyirokcsomók és erek azonosítására.

A tanulmány áttekintése

Részletes leírás

Többközpontú prospektív megvalósíthatósági tanulmány. A DNN-modellt annotációval ellátott ultrahangos képekre oktatják, hogy azonosítsák az EBUS-szal vizsgált nyirokcsomókat és ereket. A vizsgálat első részében értékeljük a DNN azon képességét, hogy a posztoperatív feldolgozás és a statikus EBUS képek alapján szegmentálja a nyirokcsomókat és az ereket. A tanulmány második részében a DNN valós idejű felhasználását értékeljük az EBUS eljárásban.

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

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Nem diagnosztizált, megnagyobbodott mediastinalis és hilaris nyirokcsomók esetén, akiket endobronchiális ultrahangos transzbronchiális tűszívásra (EBUS-TBNA) javasoltak.

Leírás

Bevételi kritériumok:

  • Az alanyok bármelyik részt vevő kórház mellkasi osztályára utaltak diagnosztizálatlan megnagyobbodott mediastinalis és hilar nyirokcsomókkal.
  • Az alanyoknak legalább 18 évesnek kell lenniük

Kizárási kritériumok:

  • Terhesség
  • Bármely beteg, akiről a vizsgáló úgy gondolja, hogy bármilyen okból nem alkalmas erre a vizsgálatra.

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
Képesség
Időkeret: 8 hónap
Annak felderítése, hogy a mély neurális hálózat (DNN) képes-e szegmentálni a nyirokcsomókat és az ereket az EBUS-képekből
8 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Pontosság
Időkeret: 2 hónap
A DNN pontossága a nyirokcsomók és az erek kimutatására. Voxelenként az EBUS-képekben és megjegyzésekkel ellátott struktúránként is mérve (egy struktúra akkor számít észleltnek, ha a jegyzett pixeleinek legalább 50%-át a DNN azonosítja).
2 hónap
Érzékenység
Időkeret: 2 hónap
Valódi pozitív árfolyam. Helyesen kimutatott nyirokcsomók/véredények a teljes nyirokcsomók/vérér felett. Az EBUS képeken pixelenként mérve
2 hónap
Specificitás
Időkeret: 2 hónap
Specificitás = (igaz negatív)/(igaz negatív + hamis pozitív). Az EBUS képeken pixelenként mérve.
2 hónap
Kocka hasonlósági együttható
Időkeret: 2 hónap
Méri a hasonlóságot két adathalmaz között: Pulmonológus jegyzetekkel vs DNN.
2 hónap
Futásidő
Időkeret: 2 hónap
Elég alacsony a futási idő a valós idejű elemzéshez az EBUS során?
2 hónap
Mellékhatások
Időkeret: 48 óra
Az eljárással kapcsolatos nemkívánatos események vagy váratlan események regisztrálása
48 óra

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)

2025. május 1.

A tanulmány befejezése (Becsült)

2025. 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 (Becsült)

2023. november 16.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2023. november 15.

Utolsó ellenőrzés

2023. november 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. .

Klinikai vizsgálatok a Tüdőrák

Klinikai vizsgálatok a gépi tanulási algoritmus

3
Iratkozz fel