딥러닝 보조 고환 부속기 비틀림의 초음파 진단 및 위치 확인
심층 학습 보조 고환 부속기 비틀림의 초음파 진단 및 국소화: 다기관 후향적 검증 연구
초음파 데이터는 주 센터와 여섯 개의 다른 하위 센터에서 후향적으로 수집되었습니다. 임상 진단 결과와 결합하여, 데이터 라벨링은 풍부한 임상 경험을 가진 의사들에 의해 완료되었습니다.
이 연구에서는 탐지 네트워크로 YOLOv11을 채택하였으며, 이는 합성곱 주의 메커니즘(공간 합성곱 블록 주의 모듈, 즉 Spatial CBAM)과 자기 주의 메커니즘(예: Attention Convolution Mixer, ACMix)과 통합되었습니다. 주 센터의 데이터셋은 훈련, 검증 및 테스트 하위 집합으로 분할되었으며, 모델은 각각 이들에 대해 훈련, 검증 및 테스트되었습니다; 하위 센터의 데이터셋에 대해 추가 검증이 수행되었습니다. 한편, 네 명의 의사가 두 가지 진단 방법(독립 진단 및 인공 지능(AI) 보조 진단)을 사용하여 하위 센터의 초음파 데이터를 해석하도록 배정되었으며, 이 두 접근법의 진단 정확도를 추가로 비교하였습니다. 주 센터 훈련 세트의 환자 치료 방법을 수집 및 학습하고, 하위 센터 데이터셋의 환자 치료 방법을 예측하며, AI가 예측한 수술 비율과 실제 수술 비율을 비교함으로써 모델의 효능을 검증하였습니다.
연구 개요
상세 설명
초음파 데이터는 주요 센터와 여섯 개의 다른 하위 센터에서 후향적으로 수집되었습니다. 임상 진단 결과와 결합하여, 데이터 라벨링은 풍부한 임상 경험을 가진 의사들에 의해 완료되었습니다.
본 연구에서는 탐지 네트워크로 YOLOv11을 채택하였으며, 이는 합성곱 주의 메커니즘(공간 합성곱 블록 주의 모듈, 즉 Spatial CBAM)과 자기 주의 메커니즘(예: Attention Convolution Mixer, ACMix)과 통합되었습니다. 주요 센터의 데이터셋은 훈련, 검증, 테스트 하위 집합으로 분할되었으며, 각각 모델이 훈련, 검증, 테스트되었습니다; 하위 센터의 데이터셋에 대해 추가 검증이 수행되었습니다.한편, 네 명의 의사가 두 가지 진단 방법(독립 진단과 인공지능(AI) 보조 진단)을 사용하여 하위 센터의 초음파 데이터를 해석하도록 배정되었으며, 이 두 접근법의 진단 정확도를 추가로 비교하였습니다.주요 센터 훈련 세트의 환자 치료 방법을 수집하고 학습하여, 하위 센터 데이터셋의 환자 치료 방법을 예측하고, AI가 예측한 수술 비율과 실제 수술 비율을 비교함으로써 모델의 효능을 검증하였습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Ying Jiang, Master Degree
- 전화번호: 86-19883203100
- 이메일: Jiang_ying@zju.edu.cn
연구 연락처 백업
- 이름: Juntao Jiang, Master Degree
- 전화번호: 86-13968107281
- 이메일: juntaojiang@zju.edu.cn
연구 장소
-
-
Zhejiang
-
Hangzhou, Zhejiang, 중국, 310000
- Children's Hospital of Zhejiang University School of Medicine
-
연락하다:
- Ying Jiang, Master Degree
- 전화번호: 86-19883203100
- 이메일: Jiang_ying@zju.edu.cn
-
연락하다:
- Jingjing Ye, PHD Degree
- 전화번호: 86-13868174280
-
수석 연구원:
- Ying Jiang, Master Degree
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 나이 ≤ 18세
- 급성 음낭 통증(≤ 24시간)으로 초음파 검사를 받은 환자
- 고환 부속기 염전(TAT)으로 임상적으로 진단된 환자
제외 기준:
- 초음파 화질이 불량한 경우(고환 구조를 확인할 수 없음)
- 임상 자료가 불완전한 경우(고환 부속기 염전[TAT] 진단을 확인할 수 없음)
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
고환 부속기 염전 그룹
환경 고환 부속기 비틀림으로 진단된 환자
|
|
고환 염전 그룹
고환 염전 진단을 받은 환자
|
|
부고환염 그룹
부고환염으로 진단된 환자
|
|
정상군
환자의 부고환 부속기 비틀림, 고환 비틀림, 부고환염이 없으며 음낭은 정상입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥러닝 모델의 정확도는 네 가지 조건을 검증합니다: 부고환염; 고환 염전; 부고환염 및 정상 상태
기간: 이미지 입력부터 결과 생성까지 24시간이 소요될 것으로 예상됩니다
|
딥러닝 모델의 정확도는 네 가지 조건을 검증합니다: 부고환염; 고환 비틀림; 부고환염 및 정상 상태
|
이미지 입력부터 결과 생성까지 24시간이 소요될 것으로 예상됩니다
|
2차 결과 측정
결과 측정 |
기간 |
|---|---|
|
급성 음낭통을 가진 참가자 수
기간: 등록 시작부터 종료까지 예상 기간은 5개월입니다.
|
등록 시작부터 종료까지 예상 기간은 5개월입니다.
|
|
임상의가 고환부속기 염전을 진단하고 위치를 파악하는 정확도
기간: 임상의가 진단하고 위치를 파악하기 시작하는 시점부터 끝날 때까지 15일이 소요될 것으로 예상됩니다
|
임상의가 진단하고 위치를 파악하기 시작하는 시점부터 끝날 때까지 15일이 소요될 것으로 예상됩니다
|
|
고환 부속기 염전의 치료 방식(보존적 치료 또는 수술)을 예측하는 딥러닝 모델의 정확도
기간: 고환 부속기 염전 치료 예측을 딥러닝 모델로 시작하여 끝내는 데까지 24시간이 소요될 것으로 예상됩니다.
|
고환 부속기 염전 치료 예측을 딥러닝 모델로 시작하여 끝내는 데까지 24시간이 소요될 것으로 예상됩니다.
|
공동 작업자 및 조사자
스폰서
수사관
- 연구 책임자: Jingjing Ye, Phd Degree, Zhejiang University School of Medicine Children's Hospital
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (추정된)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- CHZhejiangjiangying
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .