다낭성 간 자동 분할 (ASEPOL)
다중 병변 이형 간 모델로서 다낭성 간의 합성곱 신경망(인공지능 - 딥러닝)에 의한 자동 분할
수술 전 간 부피 평가, 수술 후 남은 간 부피 예측, 간 실질의 1차 또는 2차 병변 감지는 간 윤곽의 최적 감지 및 그에 따른 간 분할이 필요한 일반적인 응용 분야입니다.
몇 가지 수동 및 힘든, 반자동 및 심지어 자동 기술이 존재합니다.
그러나 간의 윤곽을 변형시키는 심한 병리(다전이성 간...), 간이나 병변과 유사한 밀도의 간 환경, CT 검사 기법 등 모두 윤곽선을 파악하기 어려운 변수들이다. 현재 기술, 심지어 자동 기술도 이러한 유형의 경우에는 제한적이며(드물지 않음) 대부분의 경우 자동화의 가치를 잃게 만드는 재조정이 필요합니다.
분할 어려움의 이러한 모든 기준은 간신성 다낭종의 간에서 수집되므로 자동 분할 도구 개발을 위한 적응된 연구 모델을 구성합니다.
병변 간의 자동 분할을 얻기 위해 고려된 난이도 기준을 초과하여 조사자들은 임상 실습에 유용한 컨볼루션 신경망(인공 지능 - 딥 러닝)을 개발했습니다.
연구 개요
연구 유형
등록 (예상)
연락처 및 위치
연구 장소
-
-
-
Lyon, 프랑스, 69437
- 모병
- Service de radiologie - Pavillon B - Cellule Recherche imagerie, Hôpital Edouard Herriot (HCL)
-
연락하다:
- Bénédicte CAYOT
- 전화번호: +33 472110400
- 이메일: benedicte.cayot@chu-lyon.fr
-
연락하다:
- Pierre-Jean VALETTE, MD, Prof.
- 전화번호: +33 472117544
- 이메일: pierre-jean.valette@chu-lyon.fr
-
수석 연구원:
- Pierre-Jean VALETTE, MD, Prof.
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 18세 이상의 환자
- 수술을 받거나 받지 않은 간신장 다낭종 환자
- 2016년 1월 1일부터 2018년 8월 사이에 주사 없이 또는 주사로 복부-골반 CT 스캔을 1회 이상 받은 환자
- 좋은 품질과 사용 가능한 이미지를 가진 환자
제외 기준:
- CT 스캔 이미지가 없는 환자
- CT 스캔 이미지의 품질이 좋지 않은 환자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
신경망 훈련 그룹
각 CT 검사와 관련된 다음 방사선 변수는 각 환자에 대해 수집됩니다.
|
익명화된 CT 검사는 전문 방사선 전문의와 Lyon 병원의 인턴이 Edouard Herriot 병원 영상 부서의 Lyon에서 검토합니다.
인공 지능 네트워크의 초기 교육 단계가 수행됩니다. - Lyon 병원의 인턴에 의한 CT 검사의 첫 번째 부분 간 분할 인공 지능 네트워크의 초기 교육 단계가 수행됩니다. - 컴퓨터 데이터를 사용하여 인공 지능 네트워크를 구동합니다. |
|
신경망 검증 그룹
각 CT 검사와 관련된 다음 방사선 변수는 각 환자에 대해 수집됩니다.
|
익명화된 CT 검사는 전문 방사선 전문의와 Lyon 병원의 인턴이 Edouard Herriot 병원 영상 부서의 Lyon에서 검토합니다.
인공 지능 도구의 유효성 검사 단계는 CT 검사의 두 번째 부분인 간을 세분화하여 수행됩니다. - Lyon 병원의 인턴이 수행 인공 지능 도구의 유효성 검사 단계는 CT 검사의 두 번째 부분인 간을 세분화하여 수행됩니다. - 신경망에 의해 수행 |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
이러한 그룹 및 데이터 세트 수집에서 컨볼루션 신경망에 의한 자동 세분화 테스트
기간: 무작위 배정 후 4개월 후
|
임상 실습에서 병변 감지 및 용적 측정을 용이하게 하기 위해 분할하기 어려운 모든 유형의 다발성 간 분할을 위한 전제 조건으로 고도의 이형 다낭성 간을 위한 자동 분할 도구 개발. 환자를 두 개의 데이터 그룹으로 무작위화, 하나는 컨볼루션 신경망(인공 지능) 검증을 위해 다른 하나는 훈련
|
무작위 배정 후 4개월 후
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .