深層学習による頸椎 MRI の解析
2022年7月19日 更新者：Bezmialem Vakif University
この研究の目的は、画像処理アルゴリズムを使用して頸椎 MRI 画像の病態を分析することです。
ディープラーニングを用いてシステムに学習させたこれらの病的ケースを判定し、そのレベルを判定します。
ついに;放射線科医のレポートと自動化されたシステムの出力を比較することによるシステムの検証。
調査の概要
詳細な説明
首の痛みは非常に一般的な健康問題であり、世界的な有病率は 16.7% ～ 75.1% です。
首の痛みの原因は、強力な証拠はありませんが、頚椎間板であると考えられることがよくあります。
放射線画像法は、椎間板の変性と、この変性に対応する椎体の末端プラークの変化を検出するために使用されます。磁気共鳴画像法 (MRI) は、椎間板の構造、脊柱管の幅、および椎間板の外側の組織に関する情報を提供します。運河。
しかし、放射線画像の識別と評価には標準化がなく、観察者間のばらつきが大きいです。
報告手順の精度と一貫性を高めるために、MRI 画像を分析する自動システムに関する研究が開始されています。
ディープラーニングを使用して MRI 画像を検査すると、臨床上の意思決定を支援するシステムの構築につながり、大量のデータを短時間で評価できるようになります。
研究の種類
観察的
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
-
Istanbul、七面鳥
- Bezmialem Vakif University Hospital
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年～75年 (大人、高齢者)
健康ボランティアの受け入れ
いいえ
受講資格のある性別
全て
サンプリング方法
非確率サンプル
調査対象母集団
18～75歳の首の痛みのある患者
説明
包含基準:
- 18～75歳
- 過去5年間に首の痛みで受けた頸椎MRI検査の結果が病院の記録に残っている。
除外基準:
- 悪性腫瘍
- 活動性感染の兆候
- 重度の脊椎変形（進行性側弯症、先天性脊椎欠損）
- 脊椎外科
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
データセットの相互検証によって評価されたモデルの精度率
時間枠：研究完了までに平均1.5年
|
データセットをランダムに 4 つのサブセットに分割します。
各サブ実験では、3 つのサブセットの MRI スライスがトレーニングされ、他のサブセットのスライスがテストされます。
合計 4 つのサブ実験を実行するため、データセット内の各スライスは 1 回テストされます。
|
研究完了までに平均1.5年
|
|
モデルの信頼性は、モデルと放射線科医のレポートを比較することによって評価されます。
時間枠：研究完了までに平均1.5年
|
カッパ統計と信頼性係数が使用されます。
|
研究完了までに平均1.5年
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Castro-Mateos I, Hua R, Pozo JM, Lazary A, Frangi AF. Intervertebral disc classification by its degree of degeneration from T2-weighted magnetic resonance images. Eur Spine J. 2016 Sep;25(9):2721-7. doi: 10.1007/s00586-016-4654-6. Epub 2016 Jul 7.
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Kim S, Bae WC, Masuda K, Chung CB, Hwang D. Fine-Grain Segmentation of the Intervertebral Discs from MR Spine Images Using Deep Convolutional Neural Networks: BSU-Net. Appl Sci (Basel). 2018 Sep;8(9):1656. doi: 10.3390/app8091656. Epub 2018 Sep 14.
- Daenzer S, Freitag S, von Sachsen S, Steinke H, Groll M, Meixensberger J, Leimert M. VolHOG: a volumetric object recognition approach based on bivariate histograms of oriented gradients for vertebra detection in cervical spine MRI. Med Phys. 2014 Aug;41(8):082305. doi: 10.1118/1.4890587.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2020年1月15日
一次修了 (予想される)
2022年3月1日
研究の完了 (予想される)
2022年4月1日
試験登録日
最初に提出
2020年1月15日
QC基準を満たした最初の提出物
2020年1月20日
最初の投稿 (実際)
2020年1月27日
学習記録の更新
投稿された最後の更新 (実際)
2022年7月21日
QC基準を満たした最後の更新が送信されました
2022年7月19日
最終確認日
2022年7月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。