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

Patológiás DRG-k automatikus felismerése és diagnosztizálása PHN-betegeknél mély tanulás és mágneses rezonancia segítségével

2024. március 5. frissítette: Xianwei Zhang,MD, Huazhong University of Science and Technology
Ennek a tanulmánynak az volt a célja, hogy automatizált rendszert fejlesszenek ki PHN-betegeknél a léziós DRG-k detektálására és diagnosztizálására mély tanuláson alapulóan. Ez a tanulmány retrospektív módon elemezte az összes posztherpetikus neuralgiában szenvedő beteg DRG-képeit, akik radiológiai osztályunkon 2021 januárja és 2022 februárja között mágneses rezonancia neuroimaging vizsgálaton estek át. A kép utófeldolgozása után a You Only Look Once (YOLO) 8-as verzióját választottuk célalgoritmusmodellnek. A modell teljesítményét olyan mérőszámok segítségével értékelték, mint a pontosság, a visszahívás, az átlagos pontosság, az átlagos átlagos pontosság és az F1 pontszám.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Részletes leírás

Korábbi kutatásaink megerősítették a makroszkopikus és mikroszkópos szempontok közötti különbségeket a posztherpetikus neuralgiában (PHN) szenvedő betegek és az egészséges kontrollok léziós háti gyökér ganglionjainak (DRG) képalkotása között. Ezenkívül tanulmányunk feltárta, hogy bár a léziós bőr lokalizációja klasszikus módszer a klinikai gyakorlatban, a mágneses rezonancia képalkotásban (MRI) még mindig van bizonyos mértékű eltérés a sérült DRG-től. Ez arra utal, hogy az MRI jelentős értéke a léziós DRG diagnosztizálásában PHN-betegeknél. A zoster sine herpete neuralgiában szenvedő betegeknél még fontosabb, hogy MRI-vel egyértelműen azonosítsák a sérült DRG-t. A DRG-léziók kis mérete és változatos morfológiája miatt azonban a léziós DRG MRI-vel történő diagnosztizálása speciális neuroanatómiai és képalkotói ismereteket igényel, ami kihívást jelent a klinikai szakemberek számára. A léziós DRG gyors és pontos azonosítása kulcsfontosságú az intervenciós terápia szempontjából, mivel ez a neuropátiás fájdalom alapvető kezelési célpontja.

A YOLO (You Only Look Once) algoritmussorozat jelenleg széles körben használt egylépcsős valós idejű objektumészlelési algoritmusok, köztük a YOLOv1-YOLOv8. Rendkívül nagy észlelési sebességüknek köszönhetően valós idejű tárgyérzékelést tesznek lehetővé. A YOLOv5-öt és a YOLOv8-at ma már széles körben alkalmazzák különféle alkalmazásokban, mint például az autonóm vezetés, a videó megfigyelés és az objektumkövetés [66,67]. Ezen túlmenően a YOLO sorozatot egyre gyakrabban alkalmazzák az orvostudomány területén, beleértve a daganatok és ízületi kapszula léziók detektálását, ami jó pontosságot, visszahívási arányt és kimutatási hatékonyságot mutat [68]. Ennek a tanulmánynak a célja a YOLOv8 algoritmus felhasználása egy gyors és pontos objektumészlelési modell kifejlesztésére, egyidejűleg értékelve annak teljesítményét. Ezzel a modellel igyekszik validálni a léziós háti gyökér ganglionok (DRG) valós idejű posztherpetikus neuralgiában való kimutatásának megvalósíthatóságát és hatékonyságát, alapot biztosítva a klinikai orvosok korai diagnózisához, és lehetővé téve a sérült DRG gyors és pontos lokalizálását.

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

41

Kapcsolatok és helyek

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

Tanulmányi helyek

      • Wuhan, Kína
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
    • Hubei
      • Wuhan, Hubei, Kína, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

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

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Kórházunk Radiológiai Osztályán 2021 januárjától 2022 februárjáig mágneses rezonancia neuroimaging vizsgálaton átesett posztherpetikus neuralgiás betegek.

Leírás

Bevételi kritériumok:

  • 18 éves vagy idősebb betegek;
  • Herpesz zosterben szenvedő betegek, akik még több mint egy hónapig fájdalmat éreznek, miután a kéreg kialakul a bőrelváltozásokon;
  • Tiszta MRI-képek, amelyek nyilvánvaló dorsalis ganglion (DRG) elváltozásokat mutatnak.

Kizárási kritériumok:

  • Súlyos szisztémás, anyagcsere- vagy neurológiai betegségekben szenvedő betegek, amelyek polyneuropathiához vezethetnek, például myeloma multiplexben, cukorbetegségben vagy pajzsmirigybetegségben;
  • Olyan betegek, akiknek a kórtörténetében pszichiátriai rendellenességek, egyéb krónikus fájdalmas állapotok vagy kábítószer-használat szerepel;
  • Olyan betegek, akiknek a kórelőzményében mellkasi vagy hátműtétek szerepeltek, és fájdalom is előfordult;
  • Műtermékek jelenléte a képalkotásban vagy homályos képmegjelenítés;
  • Más szövetek által eltakart célképek.

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
Automatizált rendszer kifejlesztése a léziós DRG-k detektálására és diagnosztizálására PHN-betegeknél mély tanuláson alapuló
Időkeret: 202310-202402
a You Only Look (YOLO) 8-as verziója lett kiválasztva célalgoritmusmodellként
202310-202402

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

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. október 1.

Elsődleges befejezés (Tényleges)

2024. január 31.

A tanulmány befejezése (Tényleges)

2024. január 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. február 16.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. február 16.

Első közzététel (Tényleges)

2024. február 23.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Becsült)

2024. március 6.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. március 5.

Utolsó ellenőrzés

2024. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • deep learning

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

ELDÖNTETLEN

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 Mély tanulás

3
Iratkozz fel