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

Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models

2021년 6월 29일 업데이트: Peking University Third Hospital
The purpose of this study is to study the injury of the anterior talofibular ligament by deep learning method and compare a variety of different deep learning models to establish a deep learning method that can accurately identify and grade the injury of anterior talofibular ligament, and obtain a model with better recognition and grading effect.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

  1. Recognition and segmentation of anterior talofibular ligament based on DenseNet. Densenet was used to recognize the axial T2-fs image, and the image level was the most typical one. The labelimg program based on Python was used to locate the coordinates of the anterior talofibular ligament and then imported into Python for learning. All the data were divided into a training set (70%, and then 30% of the training set was selected as the verification set). The remaining 30% was used as the test set to evaluate the accuracy of model recognition. After identifying the anterior talofibular ligament, the local clipping and amplification are carried out to remove the redundant information. Finally, input the result to the next step.
  2. Establishment and comparison of various deep learning models: four deep learning models were established and compared in this study, namely VGG19, AlexNet, CapsNet, and GoogleNet. The models using image fitting alone and those combining with clinical physical examination data were compared for each deep learning model. The diagnostic efficiency between models was expressed by the ROC curve, including AUC, F1 score, etc. the ROC curve was further analyzed by t-test, Delong test, and other statistical methods. In this study, the data were divided into a training set (70%, 30% in the training set as the validation set), and the remaining 30% as the test set to evaluate the classification accuracy.

연구 유형

관찰

등록 (예상)

1000

연락처 및 위치

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

연구 연락처

연구 연락처 백업

연구 장소

  • 중국
    • Beijing
      • Beijing, Beijing, 중국, 010
        • 모병
        • Peking University Third 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

모두

샘플링 방법

비확률 샘플

연구 인구

From September 2018 to September 2020, patients underwent ankle MRI examination in the Department of Radiology, the Third Hospital of Peking University.

설명

Inclusion Criteria:

  1. Without any treatment before imaging examination;
  2. MR of ankle joint was performed within 3 months before operation and the image quality was good;
  3. Arthroscopic operation was performed in our hospital and the operation records were complete.

Exclusion Criteria:

  1. history of ankle surgery, history of cancer or previous fractures.
  2. Unclear image, serious artifact or incomplete clinical data.

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
Normal control group-Grade 0
Arthroscopic examination of the ankle joint was normal, and the ligament was intact without injury or tear.
진단 검사: Diagnositic test
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
Ligament injury -Grade 1
Arthroscopic examination of the ankle joint showed ligament degeneration or injury, but no local or complete tear.
진단 검사: Diagnositic test
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
Ligament tear-Grade 2
Arthroscopy of the ankle joint revealed partial or complete loss of ligaments.
진단 검사: Diagnositic test
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
기간: 2021.1-2022.3.1
The model of deep learning was obtained for diagnosis and grading of anterior fibular ligament and compared with the doctors of different grades.
2021.1-2022.3.1

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Peking University Third Hospital

수사관

  • 연구 의자: huishu Yuan, MD, Peking University Third Hospital

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)

2021년 1월 1일

기본 완료 (예상)

2021년 12월 30일

연구 완료 (예상)

2022년 3월 30일

연구 등록 날짜

최초 제출

2021년 6월 28일

QC 기준을 충족하는 최초 제출

2021년 6월 29일

처음 게시됨 (실제)

2021년 7월 8일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2021년 7월 8일

QC 기준을 충족하는 마지막 업데이트 제출

2021년 6월 29일

마지막으로 확인됨

2021년 6월 1일

추가 정보

이 연구와 관련된 용어

키워드

기타 연구 ID 번호

  • M2020460

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

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. .

구독하다