자궁경부 골수연화증 진단을 위한 합성곱 신경망
자기공명영상에서 자궁경부골수연화증 진단을 위한 길쌈신경망
딥 러닝 기술은 척추 수술뿐만 아니라 많은 의료 분야에서 점점 더 많이 사용되고 있습니다. 그러나 문헌에서 이 주제에 대한 대부분의 연구는 경추를 제외하고 수행되었음을 알 수 있다. 본 연구에서는 기존의 진단 방법과 비교하여 자궁경부 골수연화증 진단에서 딥러닝 알고리즘의 유효성을 입증하는 것을 목표로 하였다.
기계 학습 기술인 인공 신경망은 여러 산업 및 연구 분야에서 점점 더 많이 사용되고 있습니다. 계산 단위의 발달과 데이터의 증가는 인공 신경망에 대한 새로운 방법의 개발로 이어졌습니다.
연구 개요
상세 설명
경추 척수증(CM)은 척수의 압박으로 인해 발생하는 경추의 빈번한 퇴행성 질환입니다. 이 질병을 평가하고 치료 옵션을 결정할 때 환자의 임상 및 방사선학적 양상을 함께 평가해야 합니다.
CM에 대한 현재 영상 절차는 일반 방사선 사진, 컴퓨터 단층 촬영 및 자기 공명 영상(MRI)입니다. 그러나 CM의 MRI는 다른 이미징 방법에 비해 디스크, 척수 및 기타 연조직을 평가하는 데 더 유용합니다. 의료 영상 분석, 생체 신호 분석 등과 같은 많은 건강 응용 분야에서도 사용되는 인공 지능 기술. 본 연구에서는 기존의 진단 방법과 비교하여 자궁경부 골수연화증 진단에서 딥러닝 알고리즘의 유효성을 입증하는 것을 목표로 하였다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Fatih
-
Istanbul, Fatih, 칠면조, 34093
- Istanbul University
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 목의 통증과 뻣뻣함, 상지의 쇠약과 서투름 또는 보행 장애와 같은 전형적인 경추 골수연화증 증상이 있고 척추 압박의 방사선 소견이 있는 환자
- 30-80세.
제외 기준:
- 경추 척추 수술 병력이 있고 전신 질환(류마티스 또는 신경 질환)이 있는 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
자궁 경부 척수증
경추 척수증 환자의 MR 영상
|
기계 학습 기술인 컨볼루션 신경망은 여러 산업 및 연구 분야에서 점점 더 많이 사용되고 있습니다.
계산 단위의 발달과 데이터의 증가는 인공 신경망에 대한 새로운 방법의 개발로 이어졌습니다.
딥 러닝(DL)은 특징 추출이 자동으로 수행되는 다층 신경망입니다.
더 복잡하고 비선형적인 관계를 모델링하기 위해 입력 및 출력 레이어 사이의 네트워크 아키텍처에 더 많은 숨겨진 레이어를 추가하여 기존 신경망을 확장합니다.
|
|
정상
자궁 경부 척수증 환자의 MRI 정상 단면
|
기계 학습 기술인 컨볼루션 신경망은 여러 산업 및 연구 분야에서 점점 더 많이 사용되고 있습니다.
계산 단위의 발달과 데이터의 증가는 인공 신경망에 대한 새로운 방법의 개발로 이어졌습니다.
딥 러닝(DL)은 특징 추출이 자동으로 수행되는 다층 신경망입니다.
더 복잡하고 비선형적인 관계를 모델링하기 위해 입력 및 출력 레이어 사이의 네트워크 아키텍처에 더 많은 숨겨진 레이어를 추가하여 기존 신경망을 확장합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
시상 보기에 대한 혼동 행렬 정확도의 값
기간: 1 일
|
알고리즘의 성능을 시각화할 수 있는 특정 테이블 레이아웃입니다.
|
1 일
|
|
축 보기에 대한 혼동 행렬 정확도 값
기간: 1 일
|
알고리즘의 성능을 시각화할 수 있는 특정 테이블 레이아웃입니다.
|
1 일
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Hakan Yilmaz, Karabuk University, Faculty of Engineering
- 수석 연구원: Murat Korkmaz, Istanbul University, Faculty of Medicine
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
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. .