Automatische segmentatie van polycysteuze lever (ASEPOL)
Automatische segmentatie door een convolutioneel neuraal netwerk (kunstmatige intelligentie - diep leren) van polycysteuze levers, als een model van dysmorfe levers met meerdere laesies
Het beoordelen van het volume van de lever vóór de operatie, het voorspellen van het levervolume dat overblijft na de operatie, het detecteren van primaire of secundaire laesies in het leverparenchym zijn veelvoorkomende toepassingen die een optimale detectie van levercontouren en dus leversegmentatie vereisen.
Er bestaan verschillende handmatige en arbeidsintensieve, halfautomatische en zelfs automatische technieken.
Echter, ernstige pathologie die de contouren van de lever vervormt (multi-metastatische levers...), de hepatische omgeving met een vergelijkbare dichtheid als de lever of laesies, de CT-onderzoekstechniek zijn allemaal variabelen die het moeilijk maken om de contouren te detecteren. Huidige technieken, zelfs automatische, zijn in dit soort gevallen beperkt (niet zeldzaam) en vereisen meestal aanpassingen waardoor automatisering zijn waarde verliest.
Al deze criteria van segmentatieproblemen zijn verzameld in de levers van hepatorenale polycystose, die daarom een aangepast studiemodel vormen voor de ontwikkeling van een automatische segmentatietool.
Om een automatische segmentatie van elke laesie van de lever te verkrijgen, door de moeilijkheidscriteria te overschrijden, hebben onderzoekers een convolutioneel neuraal netwerk (kunstmatige intelligentie - diep leren) ontwikkeld dat nuttig is voor de klinische praktijk.
Studie Overzicht
Toestand
Interventie / Behandeling
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studie Locaties
-
-
-
Lyon, Frankrijk, 69437
- Werving
- Service de radiologie - Pavillon B - Cellule Recherche imagerie, Hôpital Edouard Herriot (HCL)
-
Contact:
- Bénédicte CAYOT
- Telefoonnummer: +33 472110400
- E-mail: benedicte.cayot@chu-lyon.fr
-
Contact:
- Pierre-Jean VALETTE, MD, Prof.
- Telefoonnummer: +33 472117544
- E-mail: pierre-jean.valette@chu-lyon.fr
-
Hoofdonderzoeker:
- Pierre-Jean VALETTE, MD, Prof.
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten ≥ 18 jaar oud
- Patiënten met hepato-renale polycystose, met of zonder operatie
- Patiënten met ten minste één CT-scan van het bekken en het bekken zonder injectie of met injectie tussen 1 januari 2016 en augustus 2018
- Patiënten met goede kwaliteit en beschikbare afbeeldingen
Uitsluitingscriteria:
- Patiënten waarvoor geen CT-scanbeelden beschikbaar zijn
- Patiënten met CT-scanbeelden van slechte kwaliteit
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Neuronaal netwerk Trainingsgroep
De volgende radiologische variabelen, gerelateerd aan elk CT-onderzoek, worden voor elke patiënt verzameld:
|
De geanonimiseerde CT-onderzoeken zullen worden beoordeeld in Lyon, op de beeldvormingsafdeling van het Edouard Herriot-ziekenhuis, door een deskundige radioloog en een stagiair van de Lyon-ziekenhuizen.
Er zal een eerste trainingsfase van het kunstmatige-intelligentienetwerk worden uitgevoerd: - Segmentatie van de levers van een eerste deel van het CT-onderzoek, door een stagiair van de ziekenhuizen van Lyon Er zal een eerste trainingsfase van het kunstmatige-intelligentienetwerk worden uitgevoerd: - Gebruik van computergegevens om het kunstmatige-intelligentienetwerk aan te drijven. |
|
Neuronale netwerk Validatiegroep
De volgende radiologische variabelen, gerelateerd aan elk CT-onderzoek, worden voor elke patiënt verzameld:
|
De geanonimiseerde CT-onderzoeken zullen worden beoordeeld in Lyon, op de beeldvormingsafdeling van het Edouard Herriot-ziekenhuis, door een deskundige radioloog en een stagiair van de Lyon-ziekenhuizen.
Er zal een validatiefase van de tool voor kunstmatige intelligentie worden uitgevoerd met segmentatie van de levers van het tweede deel van de CT-onderzoeken: - Uitgevoerd door een stagiaire in de ziekenhuizen van Lyon Er zal een validatiefase van de tool voor kunstmatige intelligentie worden uitgevoerd met segmentatie van de levers van het tweede deel van de CT-onderzoeken: - Uitgevoerd door het neurale netwerk |
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Test van automatische segmentatie door het convolutionele neurale netwerk op deze groep en verzameling van dataset
Tijdsspanne: 4 maanden na randomisatie
|
Ontwikkeling van een automatische segmentatietool voor zeer dysmorfe polycysteuze levers als voorwaarde voor segmentatie van elk type lever met meerdere laesies die moeilijk te segmenteren is, om laesiedetectie en volumemeting in de klinische praktijk te vergemakkelijken. Randomisatie van de patiënt in twee gegevensgroepen, een voor het trainen van de andere voor het valideren van het convolutionele neurale netwerk (kunstmatige intelligentie)
|
4 maanden na randomisatie
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- ASEPOL
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .