정량적 초음파 이미징 소프트웨어 플랫폼 개발
2023년 4월 18일 업데이트: Seoul National University Bundang Hospital
인공지능(AI) 기반의 고성능 구조적 기능 및 정량적 초음파 영상 소프트웨어 플랫폼 개발
이 관찰 연구의 목표는 의식이 있는 성인의 기존 초음파와 인공 지능 기반 초음파 소프트웨어 간의 이미지 차이를 비교하는 것입니다.
대답하고자 하는 주요 질문은 새로운 이미지 분석 방법이 조직학적 특성의 30% 이상을 식별하는 데 도움이 되는 경우 유효한 것으로 간주하여 유효성을 평가하는 것입니다.
참가자는 동의서에 서명한 후 앞서 언급한 두 가지 방법으로 검사를 받게 됩니다.
연구 개요
연구 유형
관찰
등록 (예상)
196
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Gyeonggi-do
-
Seongnam, Gyeonggi-do, 대한민국, 13620
- Seoul National University Bundang Hospital
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
진료나 상담을 위해 분당서울대학교병원에 내원하는 사람.
설명
포함 기준:
- 심장 질환, 갑상선 질환, 유방 질환 및 간 질환이 있는 사람.
제외 기준:
- 해당 대상 장기에 수술을 받은 사람.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정량적 초음파 정보
기간: 5 년
|
심장, 갑상선, 유방 질환의 정량적 초음파 영상
|
5 년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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
- 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.
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)
2020년 9월 1일
기본 완료 (예상)
2026년 3월 31일
연구 완료 (예상)
2026년 3월 31일
연구 등록 날짜
최초 제출
2023년 4월 18일
QC 기준을 충족하는 최초 제출
2023년 4월 18일
처음 게시됨 (실제)
2023년 5월 1일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2023년 5월 1일
QC 기준을 충족하는 마지막 업데이트 제출
2023년 4월 18일
마지막으로 확인됨
2023년 4월 1일
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. .