Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Op diep leren gebaseerde classificatie van CT van de wervelkolom (DETECT)

10 mei 2020 bijgewerkt door: Shisheng He, MD, Shanghai 10th People's Hospital
Het is tijdrovend voor wervelkolomchirurgen of radiologen om handmatige classificaties van spinale CT uit te voeren, wat ook kan worden gecorreleerd met een hoge interobservervariantie. Met de ontwikkeling van de informatica is deep learning naar voren gekomen als een veelbelovende techniek om afbeeldingen van individueel niveau tot pixelniveau te classificeren. Het belangrijkste van het onderzoek is het automatisch identificeren en classificeren van de laesies, of het segmenteren van gerichte structuren op spinale CT met deep learning.

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Computertomografie (CT) is een van de belangrijkste beeldvormende hulpmiddelen om de diagnose en behandeling van spinale aandoeningen te ondersteunen. Classificatie van specifieke doelen (bijv. individuen, laesies, enz.) is een van de meest voorkomende missies van medische beeldanalyse. Het is echter tijdrovend voor wervelkolomchirurgen of radiologen om handmatige classificaties van spinale CT uit te voeren, wat ook kan worden gecorreleerd met een hoge interobservervariantie. Met de ontwikkeling van de informatica is deep learning naar voren gekomen als een veelbelovende techniek om afbeeldingen van individueel niveau tot pixelniveau te classificeren. Het belangrijkste van het onderzoek is het automatisch identificeren en classificeren van de laesies, of het segmenteren van gerichte structuren op spinale CT met deep learning.

Studietype

Observationeel

Inschrijving (Verwacht)

500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • China
    • Shanghai
      • Shanghai, Shanghai, China, 200072

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar tot 65 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

patiënten met dunne laag spinale CT die het beoogde niveau bedekken, zullen worden opgenomen.

Beschrijving

Inclusiecriteria:

- spinale dunne laag CT

Uitsluitingscriteria:

  • medailles of andere implantaten veroorzaken artefacten
  • slechte beeldkwaliteit

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
dunne laag CT
Thin-layer CT zal handmatig worden gelabeld en gebruikt om deep learning-algoritmen te trainen, valideren en testen.
Diagnostische toets: diep leren
handmatig gelabelde voorbeelden zullen worden gebruikt om het deep learning-algoritme te trainen, te valideren en te testen en vervolgens automatische classificatie te realiseren.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
classificatie nauwkeurigheid
Tijdsspanne: 1 dag
classificatienauwkeurigheid (bijv. gebied onder de kromme, enz.)
1 dag
segmentatie nauwkeurigheid
Tijdsspanne: 1 dag
segmentatienauwkeurigheid van meerdere structuren (bijv. Dobbelscore, enz.)
1 dag

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Shanghai 10th People's Hospital

Medewerkers

Third Affiliated Hospital, Sun Yat-Sen University

Onderzoekers

  • Hoofdonderzoeker: Shisheng He, M.D., Shanghai 10th People's Hospital

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

22 februari 2019

Primaire voltooiing (Verwacht)

1 mei 2020

Studie voltooiing (Verwacht)

1 mei 2020

Studieregistratiedata

Eerst ingediend

16 november 2018

Eerst ingediend dat voldeed aan de QC-criteria

29 december 2018

Eerst geplaatst (Werkelijk)

2 januari 2019

Updates van studierecords

Laatste update geplaatst (Werkelijk)

12 mei 2020

Laatste update ingediend die voldeed aan QC-criteria

10 mei 2020

Laatst geverifieerd

1 mei 2020

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • SHSY180624

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren