定量的超音波イメージング ソフトウェア プラットフォームの開発
2023年4月18日 更新者：Seoul National University Bundang Hospital
人工知能 (AI) ベースの高性能構造機能および定量的超音波イメージング ソフトウェア プラットフォームの開発
この観察研究の目的は、意識のある成人における従来の超音波と人工知能ベースの超音波ソフトウェアの画像の違いを比較することです。
それが答えようとしている主な質問は、組織学的特徴の 30% 以上を識別するのに役立つ場合、新しい画像分析方法が有効であると見なされることを決定することによって有効性を評価することです。
参加者は、同意書に署名した後、前述の 2 つの方法で検査を受けます。
調査の概要
研究の種類
観察的
入学 (予想される)
196
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
-
-
Gyeonggi-do
-
Seongnam、Gyeonggi-do、大韓民国、13620
- Seoul National University Bundang 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
- 大人
- 高齢者
健康ボランティアの受け入れ
いいえ
サンプリング方法
非確率サンプル
調査対象母集団
ソウル大学校盆唐病院に診療や相談に来られる方。
説明
包含基準:
- 心臓病、甲状腺疾患、乳腺疾患、肝臓疾患をお持ちの方。
除外基準:
- 当該標的臓器の手術を受けた者。
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
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 |
|---|---|---|
|
定量的超音波情報
時間枠：5年
|
心臓、甲状腺、乳房疾患の定量的超音波画像
|
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
- Cheng PM, Malhi HS. Transfer Learning with Convolutional Neural Networks for Classification of Abdominal Ultrasound Images. J Digit Imaging. 2017 Apr;30(2):234-243. doi: 10.1007/s10278-016-9929-2.
- Chi J, Walia E, Babyn P, Wang J, Groot G, Eramian M. Thyroid Nodule Classification in Ultrasound Images by Fine-Tuning Deep Convolutional Neural Network. J Digit Imaging. 2017 Aug;30(4):477-486. doi: 10.1007/s10278-017-9997-y.
- F. Milletari, N. Navab and S. -A. Ahmadi. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation. 2016 Fourth International Conference on 3D Vision (3DV), Stanford, CA, USA. 2016; 565-571.
- Ma J, Wu F, Jiang T, Zhu J, Kong D. Cascade convolutional neural networks for automatic detection of thyroid nodules in ultrasound images. Med Phys. 2017 May;44(5):1678-1691. doi: 10.1002/mp.12134. Epub 2017 Apr 17.
- Chen H, Zheng Y, Park JH, Heng PA, Zhou SK. (2016). Iterative Multi-domain Regularized Deep Learning for Anatomical Structure Detection and Segmentation from Ultrasound Images. Medical Image Computing and Computer-Assisted Intervention - MICCAI 2016. 2016; 9901.
- Lekadir K, Galimzianova A, Betriu A, Del Mar Vila M, Igual L, Rubin DL, Fernandez E, Radeva P, Napel S. A Convolutional Neural Network for Automatic Characterization of Plaque Composition in Carotid Ultrasound. IEEE J Biomed Health Inform. 2017 Jan;21(1):48-55. doi: 10.1109/JBHI.2016.2631401. Epub 2016 Nov 22.
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9月1日
一次修了 (予想される)
2026年3月31日
研究の完了 (予想される)
2026年3月31日
試験登録日
最初に提出
2023年4月18日
QC基準を満たした最初の提出物
2023年4月18日
最初の投稿 (実際)
2023年5月1日
学習記録の更新
投稿された最後の更新 (実際)
2023年5月1日
QC基準を満たした最後の更新が送信されました
2023年4月18日
最終確認日
2023年4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。