- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT07301086
Mélytanulás által támogatott ultrahang diagnosztika és a herefüggelék torziójának lokalizációja
Mesterséges intelligencia által támogatott ultrahangos diagnosztika és a herefüggelék torziójának lokalizációja: Többcentrikus retrospektív validációs vizsgálat
A primer központból és hat másik al-centrumból retrospektíven gyűjtötték össze az ultrahangos adatokat. A klinikai diagnosztikai eredményekkel kombinálva az adatcímkézést kiterjedt klinikai tapasztalattal rendelkező orvosok végezték el.
Ebben a tanulmányban a YOLOv11-t alkalmazták észlelési hálózatként, amelyet integráltak a konvolúciós figyelemmechanizmussal (Spatial Convolutional Block Attention Module, azaz Spatial CBAM) és az önfigyelem-mechanizmussal (pl. Attention Convolution Mixer, ACMix). A primer központ adatkészletét felosztották képzési, validációs és teszt részhalmazokra, amelyeken a modellt rendre betanították, validálták és tesztelték; további validációt végeztek az al-centrum adatkészletén.Eközben négy orvost jelöltek ki az al-centrumok ultrahangos adatainak értelmezésére két diagnosztikai módszerrel – független diagnózis és mesterséges intelligencia (MI) által támogatott diagnózis –, és tovább összehasonlították e két megközelítés diagnosztikai pontosságát.Az elsődleges központ képzési halmazában szereplő betegek kezelési módszereinek összegyűjtésével és tanulásával, az al-centrum adatkészletében szereplő betegek kezelési módszereinek előrejelzésével, valamint az MI által előre jelzett műtétek arányának összehasonlításával a tényleges műtétek arányával igazolták a modell hatékonyságát.
A tanulmány áttekintése
Állapot
Részletes leírás
Az ultrahangos adatokat retrospektíven gyűjtötték össze az elsődleges központból és hat másik al-központból. A klinikai diagnosztikai eredményekkel kombinálva az adatcímkézést tapasztalt klinikai gyakorlattal rendelkező orvosok végezték el.
Ebben a tanulmányban az YOLOv11-t alkalmazták detektáló hálózatként, amelyet integráltak a konvolúciós figyelmi mechanizmussal (Spatial Convolutional Block Attention Module, azaz Spatial CBAM) és az önfigyelmi mechanizmussal (pl. Attention Convolution Mixer, ACMix). Az elsődleges központ adatkészletét felosztották tanító, validációs és teszt részhalmazokra, amelyeken a modellt rendre betanították, validálták és tesztelték; további validációt végeztek az al-központ adatkészletén.Eközben négy orvost jelöltek ki az al-központok ultrahangos adatainak értelmezésére két diagnosztikai módszerrel - független diagnózis és mesterséges intelligencia (MI) által támogatott diagnózis -, és e két megközelítés diagnosztikai pontosságát tovább összehasonlították.Az elsődleges központ tanító halmazában lévő betegek kezelési módszereinek összegyűjtésével és tanulásával, az al-központ adatkészletében lévő betegek kezelési módszereinek előrejelzésével, valamint az MI által előrejelzett műtétek arányának összehasonlításával a tényleges műtétek arányával, a modell hatékonyságát igazolták.
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Ying Jiang, Master Degree
- Telefonszám: 86-19883203100
- E-mail: Jiang_ying@zju.edu.cn
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Juntao Jiang, Master Degree
- Telefonszám: 86-13968107281
- E-mail: juntaojiang@zju.edu.cn
Tanulmányi helyek
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kína, 310000
- Children's Hospital of Zhejiang University School of Medicine
-
Kapcsolatba lépni:
- Ying Jiang, Master Degree
- Telefonszám: 86-19883203100
- E-mail: Jiang_ying@zju.edu.cn
-
Kapcsolatba lépni:
- Jingjing Ye, PHD Degree
- Telefonszám: 86-13868174280
-
Kutatásvezető:
- Ying Jiang, Master Degree
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Életkor ≤ 18 év
- Ultrahang vizsgálaton átesett akut herefájdalom miatt (≤ 24 óra)
- Klinikailag herefüggelék torzióval (TAT) diagnosztizált betegek
Kizárási kritériumok:
- Rossz ultrahang képminőség (a here szerkezetek azonosítása sikertelen)
- Hiányos klinikai adatok (a herefüggelék torzió [TAT] diagnózisának megerősítése sikertelen)
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
A heréken lévő mellékrész torzió csoport
A herefüggelék-torsio diagnózisával rendelkező betegek
|
|
Himcsavar-csoport
Tesztisz torzióval diagnosztizált betegek
|
|
Epididymitis csoport
Epididymitis diagnosztizált betegek
|
|
Normál Csoport
Páciensek, akiknek nincs herefüggelék-torsioja, herefordulása, epididymitiszük, és a scrotum normális
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A mélytanulási modell pontossága ellenőrizze a négy feltételt: herefüggelék-torzulás; herefordulás; epididymitis és normális állapot
Időkeret: Az eredmény generálása a kép bemenettől számított várható időtartama 24 óra
|
A mélytanulási modell pontossága négy feltétel ellenőrzését teszi lehetővé: herefüggelék torzió; herecsavarás; epididimitisz és normális állapot
|
Az eredmény generálása a kép bemenettől számított várható időtartama 24 óra
|
Másodlagos eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
Akut szkrotumfájdalommal rendelkező résztvevők száma
Időkeret: A regisztráció kezdetétől a végéig várhatóan 5 hónap
|
A regisztráció kezdetétől a végéig várhatóan 5 hónap
|
|
A klinikusok pontossági aránya a herefüggelék torziójának diagnosztizálásában és lokalizálásában
Időkeret: A klinikusok diagnosztizálásától és lokalizálásától kezdve a végéig várhatóan 15 nap
|
A klinikusok diagnosztizálásától és lokalizálásától kezdve a végéig várhatóan 15 nap
|
|
A mélytanulási modell pontossága a herefüggelék torzió kezelési módjának előrejelzésében, konzervatív kezelés vagy műtét
Időkeret: A méhnyálkahártya-csavaródás kezelésének előrejelzésétől a Deep learning modell által a végéig várhatóan 24 óra lesz.
|
A méhnyálkahártya-csavaródás kezelésének előrejelzésétől a Deep learning modell által a végéig várhatóan 24 óra lesz.
|
Együttműködők és nyomozók
Szponzor
Nyomozók
- Tanulmányi igazgató: Jingjing Ye, Phd Degree, Zhejiang University School of Medicine Children's Hospital
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Becsült)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- CHZhejiangjiangying
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
IPD megosztási időkeret
IPD-megosztási hozzáférési feltételek
Az IPD megosztását támogató információ típusa
- STUDY_PROTOCOL
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
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. .