이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

딥러닝 기반 인도시아닌 그린림프포그래피의 분류 방법에 관한 연구 (BCRL；ICG)

2021년 3월 27일 업데이트: Peking University People's Hospital

딥러닝 기반 유방암 관련 림프부종 진단에서 인도시아닌 그린 림프조영술의 분류 방법에 관한 연구

유방암 관련 림프부종(BCRL)은 유방암 수술 후 가장 흔한 합병증으로 환자에게 무거운 심리적, 영적 부담을 안겨줍니다. 오랫동안 림프부종의 진단과 치료는 국내외 연구에서 난제였다. 상당 부분 의사를 찾아오는 대부분의 환자들이 이미 명백한 림프부종으로 발전한 상태이고 내부 림프관이 병리학적 리모델링을 거친 상태이기 때문[1]이므로 림프부종을 조기에 발견하고 시기적절하게 개입하는 것이 특히 중요하다. 민감한 스크리닝 도구를 사용하여 Indocyanine green (ICG) 림프관 조영술은 상대적으로 새로운 방법으로 표면 림프 흐름을 실시간으로 신속하게 표시할 수 있고 방사능의 영향을 받지 않습니다[7]. 2007년에 표재성 림프관의 기능을 평가하기 위해 인도시아닌 그린 림프법이 처음으로 사용되었습니다. 2011년 일본 학자들은 유방암 수술 후 림프부종 환자 20명을 대상으로 한 ICG 림프촬영 데이터를 바탕으로 피부 역류 징후를 발견하였고, 그 정도에 따라 크게 비말형, 성단형, 미만형의 3가지 유형으로 분류하였다(그림 1) [8] [8] [8] ]. 이후 2016년 196명을 대상으로 한 전향적 연구에서 림프부종의 조기진단에서 ICG 림프법의 가치를 확인하고 ICG 림프법 영상을 보다 구체적인 0~5단계로 만들었다[9]. 2011년 소규모 샘플 임상 연구에서 발견된 피부 역류 증상 유형으로 실제 임상 적용에 완벽하게 적용되지는 않는다. 또한 ICG 림프관 조영술에서 피부 역류 증상이 이상할 때 체내에서 일어나는 병태생리학적 변화에 대한 연구와 탐색이 부족하다. 따라서 본 연구에서는 머신러닝(딥러닝)을 통해 ICG 림프절 영상의 영상 특징을 세분화하고, 영상 특징을 단계별로 구분하여 조기 림프부종 진단을 위한 PKUPH 모델을 구축하고자 한다.

연구 개요

상태

모병

정황

개입 / 치료

연구 유형

관찰

등록 (예상)

200

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 장소

  • 중국
    • Beijing
      • Beijing, Beijing, 중국
        • 모병
        • Peking University People's Hospital
        • 연락하다:

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

연구 대상 성별

여성

샘플링 방법

확률 샘플

연구 인구

상지부종을 주소로 유방외과에 내원한 환자

설명

포함 기준:

  • 2016년 10월부터 현재까지 상지부종을 주된 호소로 가슴성형외과에 내원한 약 200여명의 환자들이 ICG임파검사, 팔둘레측정, 배액측정, 생체전기임피던스측정, 주된 호소척도, 등. .

제외 기준:

  • 양측성 유방암; 조영제 알레르기 병력; 영향을 받는 사지의 동정맥 혈전증; 국소 림프절 재발; 정보에 입각한 동의 없음; 심각한 심장 및 뇌 질환; 원발성 림프계 질환(림프액 누출과 같은); 편측에만 사지가 ICG 이미징을 받았습니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
레이블 1
이 환자 그룹의 기본 데이터 측정: 팔 둘레(양성) 및 ICG(양성).
다른: 간섭 없음.
개입 없음. 다른 레이블 그룹의 ICG 이미지 기능만 학습
라벨 2
이 환자 그룹의 기본 데이터 측정: 팔 둘레(음성) 및 ICG(양성).
다른: 간섭 없음.
개입 없음. 다른 레이블 그룹의 ICG 이미지 기능만 학습
라벨 3
이 환자 그룹의 기본 데이터 측정: 팔 둘레(음성) 및 ICG(음성).
다른: 간섭 없음.
개입 없음. 다른 레이블 그룹의 ICG 이미지 기능만 학습

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
딥러닝 기반 ICG로 림프부종 진단을 위한 PKUPH 모델 구축
기간: 2016-2022
딥러닝 기반 ICG로 림프부종 진단을 위한 PKUPH 모델 구축
2016-2022

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Peking University People's Hospital

수사관

  • 수석 연구원: Shu Wang, Dr, Breast Center, Peking University People's Hospital, Beijing, China

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2016년 10월 1일

기본 완료 (예상)

2022년 10월 1일

연구 완료 (예상)

2022년 10월 1일

연구 등록 날짜

최초 제출

2021년 3월 27일

QC 기준을 충족하는 최초 제출

2021년 3월 27일

처음 게시됨 (실제)

2021년 4월 1일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2021년 4월 1일

QC 기준을 충족하는 마지막 업데이트 제출

2021년 3월 27일

마지막으로 확인됨

2021년 3월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • PKUPH202102

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

다른 연구자가 개인 참가자 데이터(IPD)를 사용할 수 있도록 할 계획이 없습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

간섭 없음.에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Belgium

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다