このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

子宮頸部骨髄軟化症の検出のための畳み込みニューラル ネットワーク

2021年5月27日 更新者:Merve Damla Korkmaz、Istanbul University

磁気共鳴画像法による子宮頸部骨髄軟化症の検出のための畳み込みニューラル ネットワーク

ディープラーニング技術は、脊椎手術や多くの医療分野でますます使用されています。 ただし、文献にあるこの主題に関する研究のほとんどは、頸椎を除いて実施されていることに注意してください。 この研究では、従来の診断方法と比較して、子宮頸部骨髄軟化症の診断におけるディープラーニングアルゴリズムの有効性を実証することを目的としました。

機械学習技術である人工ニューラルネットワークは、いくつかの産業および研究分野でますます使用されています。 計算ユニットの開発とデータ量の増加により、人工ニューラル ネットワークの新しい手法が開発されました。

調査の概要

詳細な説明

頸髄症 (CM) は、脊髄の圧迫の結果として発生する頸椎の頻繁な変性疾患です。 この疾患を評価し、治療オプションを決定する際には、患者の診療所と放射線治療法を一緒に評価する必要があります。

CM の現在の画像処理手順は、単純レントゲン写真、コンピュータ断層撮影法、および磁気共鳴画像法 (MRI) です。 ただし、CM の MRI は、他のイメージング方法と比較して、椎間板、脊髄、およびその他の軟部組織の評価においてより価値があります。 医用画像解析、生体信号解析など、多くの健康用途にも使用される人工知能技術。 この研究では、従来の診断方法と比較して、子宮頸部骨髄軟化症の診断におけるディープラーニングアルゴリズムの有効性を実証することを目的としました。

研究の種類

観察的

入学 (実際)

125

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

    • Fatih
      • Istanbul、Fatih、七面鳥、34093
        • Istanbul University

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

32年~77年 (アダルト、OLDER_ADULT)

健康ボランティアの受け入れ

なし

受講資格のある性別

全て

サンプリング方法

確率サンプル

調査対象母集団

参加者は 30 歳から 80 歳で、MRI で証明された頸部骨髄軟化症を患っています。

説明

包含基準:

  • 首の痛みやこわばり、上肢の衰弱やぎこちなさ、歩行困難などの古典的な頸部骨髄軟化症の症状、および脊椎圧迫の放射線学的所見を有する患者
  • 30~80歳。

除外基準:

  • -頸椎手術の既往歴があり、全身疾患(リウマチ性または神経疾患)を有する患者。

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

コホートと介入

グループ/コホート
介入・治療
頸髄症
頸髄症患者のMR画像
機械学習技術である畳み込みニューラル ネットワークは、いくつかの産業および研究分野でますます使用されています。 計算ユニットの開発とデータ量の増加により、人工ニューラル ネットワークの新しい手法が開発されました。 ディープ ラーニング (DL) は、特徴抽出が自動的に行われる多層ニューラル ネットワークです。 入力層と出力層の間のネットワーク アーキテクチャに隠れ層を追加して、従来のニューラル ネットワークを拡張し、より複雑で非線形の関係をモデル化します。
普通
頸髄症患者の MRI の正常な部分
機械学習技術である畳み込みニューラル ネットワークは、いくつかの産業および研究分野でますます使用されています。 計算ユニットの開発とデータ量の増加により、人工ニューラル ネットワークの新しい手法が開発されました。 ディープ ラーニング (DL) は、特徴抽出が自動的に行われる多層ニューラル ネットワークです。 入力層と出力層の間のネットワーク アーキテクチャに隠れ層を追加して、従来のニューラル ネットワークを拡張し、より複雑で非線形の関係をモデル化します。

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
サジタル ビューの混同行列精度の値
時間枠:1日
これは、アルゴリズムのパフォーマンスを視覚化できる特定のテーブル レイアウトです。
1日
アキシャルビューの混同行列精度の値
時間枠:1日
これは、アルゴリズムのパフォーマンスを視覚化できる特定のテーブル レイアウトです。
1日

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。

スポンサー

捜査官

  • 主任研究者:Hakan Yilmaz、Karabuk University, Faculty of Engineering
  • 主任研究者:Murat Korkmaz、Istanbul University, Faculty of Medicine

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)

2021年4月15日

一次修了 (実際)

2021年4月22日

研究の完了 (実際)

2021年4月22日

試験登録日

最初に提出

2021年3月11日

QC基準を満たした最初の提出物

2021年3月11日

最初の投稿 (実際)

2021年3月15日

学習記録の更新

投稿された最後の更新 (実際)

2021年6月1日

QC基準を満たした最後の更新が送信されました

2021年5月27日

最終確認日

2021年5月1日

詳しくは

本研究に関する用語

その他の研究ID番号

  • KAEK/2020.07.129

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

はい

IPD プランの説明

公開後に共有可能

IPD 共有時間枠

出版後

IPD 共有サポート情報タイプ

  • STUDY_PROTOCOL
  • SAP
  • ICF

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

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。

畳み込みニューラル ネットワークの臨床試験

3
購読する