Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Multimodal Imaging-assisted Diagnosis Model for Cervical Spine Tumors

4 luglio 2021 aggiornato da: Peking University Third Hospital

Based on a Small Sample Deep Learning Multi-modal Image-assisted Diagnosis Model of Cervical Spine Tumors Clinical Application Research

Cervical spine tumor is a small sample of tumor disease with low incidence, great harm, and complex anatomical structure. It is very difficult to identify and classify benign and malignant cervical spine tumors clinically.

The deep learning model we constructed in the early stage has a higher accuracy rate for the image diagnosis of cervical spondylosis with a large number of cases, and a better clinical application effect, but the accuracy rate for cervical spine tumors with a small number of cases is lower. The reason may be the amount of data. With limited tasks, the traditional deep learning model is difficult to play an effective role.

Based on this, we propose to build a small sample-oriented deep learning model to assist clinicians in the diagnosis of cervical spine tumors with multimodal images, and to evaluate the benign and malignant tumors.

Panoramica dello studio

Stato

Completato

Condizioni

Descrizione dettagliata

Cervical spine tumor is a small-sample tumor disease with low incidence, great harm, and complex anatomical structure. It is very difficult to identify and classify benign and malignant cervical spine tumors clinically. The deep learning model we constructed in the early stage is suitable for the large number of cases. The imaging diagnosis of cervical spondylosis has a high accuracy rate and a good clinical application effect, but the accuracy rate is low for cervical spine tumors with a small number of cases. The reason may be that for tasks with limited amount of data, the traditional deep learning model is difficult to play an effective role. Based on this, we propose to construct a small sample-oriented deep learning model to assist clinicians in the diagnosis of cervical spine tumors in multi-modal imaging, and to evaluate the benign and malignant tumors. This research will not only improve the efficiency and efficiency of cervical spine tumor imaging diagnosis. Accuracy, to guide clinical personalized treatment, will also provide a basis for the clinical application of deep learning in the field of small samples, which has important clinical significance.

Tipo di studio

Osservativo

Iscrizione (Effettivo)

600

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

  • Cina
      • Beijing, Cina
        • Peking University Third Hospital

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

Da 18 anni a 50 anni (Adulto)

Accetta volontari sani

No

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Inclusion criteria: clinically suspected cervical spine tumors, multi-modality (X-ray, CT, MR) imaging, followed by needle biopsy or surgery to confirm the tumor, and pathology report. Exclusion criteria: surgery or radiotherapy before imaging, cervical spine Those who have fractures, deformities, infections, etc. who cannot cooperate with imaging examinations, and those who have not signed an informed consent.

Descrizione

Inclusion Criteria:

  • 18-50 years old, about 300 males and females; in the orthopedics outpatient and emergency department of our hospital, the imaging scans (X-ray, CT, MR) showed no obvious abnormalities.

Exclusion Criteria:

  • have had surgery before acquiring the images, Those who have cervical spine fractures, deformities, infections, etc. who cannot cooperate with imaging examinations, and those who have not signed the informed consent. The normal control group" includes about 600 patients with normal or slightly degenerated cervical spine, as a standard for training computers to recognize cervical spine structures Images and control images for detecting tumor lesions.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte
X-ray
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions. On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT). For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions. The label on the lateral X-ray image.
CT
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions. On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT). For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions. The label on the lateral X-ray image.
MRI
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions. On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT). For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions. The label on the lateral X-ray image.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
tumor detection
Lasso di tempo: 2022-2023
On the basis of the cervical spine structure, it is the modeling of the tumor. The model based on weakly supervised learning recognizes the morphological features such as the size of the tumor lesion, and uses the fast-adapted meta-learning method to achieve a fast model under a small amount of training. Optimize, and finally evaluate the benignity, borderline and malignant probability of the tumor and use it as an output.
2022-2023

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
cervical spine detection
Lasso di tempo: 2022-2023
Taking the postoperative pathology report of cancer patients as the audit standard, testing the sensitivity and accuracy of the model, and integrating it into a complete deep learning model.
2022-2023

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Peking University Third Hospital

Investigatori

  • Cattedra di studio: hanqiang ouyang, Peking University Third Hospital

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

1 gennaio 2020

Completamento primario (Effettivo)

1 giugno 2020

Completamento dello studio (Effettivo)

1 giugno 2021

Date di iscrizione allo studio

Primo inviato

4 luglio 2021

Primo inviato che soddisfa i criteri di controllo qualità

4 luglio 2021

Primo Inserito (Effettivo)

13 luglio 2021

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

13 luglio 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

4 luglio 2021

Ultimo verificato

1 luglio 2021

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • IRB00006761-M2020255

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Prove cliniche su Tumore alla colonna vertebrale

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Portugal

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi