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.

Segmentazione automatica Tecnologia radiomica basata su ultrasuoni nella malattia renale diabetica

15 febbraio 2022 aggiornato da: Second Affiliated Hospital, School of Medicine, Zhejiang University

Rilevazione non invasiva della malattia renale diabetica basata sulla tecnologia radiomica basata su ultrasuoni di segmentazione automatica

La malattia renale diabetica è una complicanza comune del diabete e la causa principale della malattia renale allo stadio terminale. In questo studio, il ricercatore prevede di arruolare quasi 500 partecipanti con / senza DKD e di sviluppare una tecnologia radiomica basata su ultrasuoni a segmentazione automatica per differenziare i partecipanti con un modo non invasivo e disponibile.

Panoramica dello studio

Stato

Completato

Condizioni

Intervento / Trattamento

Descrizione dettagliata

L'esame ecografico è un metodo conveniente, economico e non invasivo per l'esame renale. Tuttavia, la capacità degli ultrasuoni convenzionali di distinguere la malattia renale diabetica dal rene normale è limitata ed è difficile distinguere con precisione tra malattia renale diabetica e rene normale solo a occhio nudo. Negli ultimi anni, l'informatica si è sviluppata rapidamente e l'intelligenza artificiale si è sviluppata continuamente. Sono stati compiuti molti progressi nell'applicazione dell'intelligenza artificiale nell'analisi dei dati. L'apprendimento automatico è una direzione dell'intelligenza artificiale generalizzata, la sua caratteristica principale è quella di rendere la previsione autonoma della macchina e creare algoritmi, in modo da ottenere un apprendimento autonomo. le malattie renali e l'apprendimento profondo sono due approcci diversi nel campo dell'apprendimento automatico. In questo studio, l'omica delle immagini e il deep learning sono stati utilizzati per analizzare le immagini. L'omica dell'immagine estrae le caratteristiche tradizionali dell'immagine, tra cui forma, scala di grigi, consistenza, ecc. rete convoluzionale CNN per estrarre le caratteristiche e completare la classificazione e la previsione in combinazione con il livello di connessione completo, ecc.

Questo studio mira a esplorare l'individuazione della malattia renale diabetica e il suo grado patologico basato sulla tecnologia radiomica basata sulla segmentazione automatica, l'estrazione di informazioni interne delle immagini ecografiche e formare un insieme di monitoraggio non invasivo del sistema di sviluppo delle complicanze della malattia renale diabetica, specialmente nelle istituzioni mediche primarie, ha un'ampia prospettiva di applicazione clinica.

Tipo di studio

Osservativo

Iscrizione (Effettivo)

499

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
    • Anhui
      • Fuyang, Anhui, Cina, 236200
        • The People's Hospital of Yingshang
    • Tianjin
      • Tianjin, Tianjin, Cina, 300000
        • Tianjin Third Central Hospital
    • Zhejiang
      • Hangzhou, Zhejiang, Cina, 310000
        • Department of Ultrasound, Second Affiliated Hospital, School of Medicine, Zhejiang University

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 80 anni (Adulto, Adulto più anziano)

Accetta volontari sani

No

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

  1. pazienti con diabete
  2. pazienti con o senza DKD

Descrizione

Criterio di inclusione:

  • sono stati arruolati pazienti con diagnosi clinica di T2DM e DKD.
  • pazienti con ecografia in modalità B chiara in entrambi i lati del rene (sinistra e destra).
  • Nessun valore mancante nei dati clinici vitali come eGFR e UACR.

Criteri di esclusione:

  • Sono stati esclusi i pazienti con malattia che occupa un ampio spazio renale come cisti renale renale e tumore.
  • Sono state escluse le immagini ecografiche con ombra grave o bordo renale incompleto.

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
Intervento / Trattamento
Gruppo sperimentale
Gruppo sperimentale1：Pazienti DKD con diabete di tipo 2 Pazienti con DKD Gruppo sperimentale2：Pazienti DKD di alto livello con malattia renale diabetica Stadio III e IV.
Test diagnostico: imaging ad ultrasuoni
Le immagini ecografiche bidimensionali dei reni del paziente sono state ottenute mediante ecografia.
Gruppo di controllo
Controllo1：Pazienti T2DM con diabete di tipo 2 Controllo2：Pazienti DKD di basso livello con malattia renale diabetica Stadio I e II.
Test diagnostico: imaging ad ultrasuoni
Le immagini ecografiche bidimensionali dei reni del paziente sono state ottenute mediante ecografia.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
AUC
Lasso di tempo: 6 mesi
L'area sotto la curva (AUC) del modello radiomico per differenziare DKD e T2DM o pazienti con DKD di alto e basso livello
6 mesi

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Mio
Lasso di tempo: 6 mesi
L'intersezione media sull'unione (Miou) dell'autosegmentazione basata su DL in diversi centri medici
6 mesi
MPA
Lasso di tempo: 6 mesi
L'accuratezza media dei pixel (mPA) dell'auto-segmentazione basata su DL in diversi centri medici
6 mesi

Collaboratori e investigatori

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

Sponsor

Second Affiliated Hospital, School of Medicine, Zhejiang University

Investigatori

  • Cattedra di studio: Pintong Huang, Department of Ultrasound, The Second Affiliated Hospital of Zhejiang University

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 giugno 2021

Completamento primario (Effettivo)

1 dicembre 2021

Completamento dello studio (Effettivo)

1 dicembre 2021

Date di iscrizione allo studio

Primo inviato

24 agosto 2021

Primo inviato che soddisfa i criteri di controllo qualità

24 agosto 2021

Primo Inserito (Effettivo)

27 agosto 2021

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

16 febbraio 2022

Ultimo aggiornamento inviato che soddisfa i criteri QC

15 febbraio 2022

Ultimo verificato

1 agosto 2021

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2021-0465

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 Malattia renale diabetica

Prove cliniche su imaging ad ultrasuoni

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Philippines

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi