Convolutioneel neuraal netwerk voor de detectie van cervicale myelomalacia
Convolutioneel neuraal netwerk voor de detectie van cervicale myelomalacie op magnetische resonantiebeeldvorming
Deep learning-technologie wordt steeds meer gebruikt bij wervelkolomchirurgie en op veel medische gebieden. Het valt echter op dat de meeste studies over dit onderwerp in de literatuur zijn uitgevoerd, met uitzondering van de cervicale wervelkolom. In deze studie wilden we de effectiviteit aantonen van het deep learning-algoritme bij de diagnose van cervicale myelomalacie in vergelijking met conventionele diagnostische methoden.
Kunstmatige neurale netwerken, een techniek voor machinaal leren, worden in toenemende mate gebruikt in verschillende industriële en onderzoeksgebieden. De ontwikkeling van rekeneenheden en de toenemende hoeveelheid data leidden tot de ontwikkeling van nieuwe methoden op kunstmatige neurale netwerken
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Cervicale myelopathie (CM) is een frequente degeneratieve ziekte van de cervicale wervelkolom die optreedt als gevolg van compressie van het ruggenmerg. Bij het evalueren van deze ziekte en het bepalen van behandelingsopties, moeten de kliniek van de patiënt en de radiologische modaliteiten samen worden geëvalueerd.
De huidige beeldvormingsprocedures voor CM zijn gewone röntgenfoto's, computertomografie en magnetische resonantiebeeldvorming (MRI). MRI in CM is echter waardevoller bij het evalueren van de schijf, het ruggenmerg en andere zachte weefsels in vergelijking met andere beeldvormende methoden. Kunstmatige-intelligentietechnologieën die ook in veel gezondheidstoepassingen worden gebruikt, zoals medische beeldanalyse, biologische signaalanalyse, enz. In deze studie wilden we de effectiviteit aantonen van het deep learning-algoritme bij de diagnose van cervicale myelomalacie in vergelijking met conventionele diagnostische methoden.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Fatih
-
Istanbul, Fatih, Kalkoen, 34093
- Istanbul University
-
-
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:
- de patiënten met klassieke cervicale myelomalacie symptomen zoals nekpijn en -stijfheid, zwakte en onhandigheid aan de bovenste ledematen of loopproblemen en radiologische bevindingen van spinale compressie
- 30-80 jaar oud.
Uitsluitingscriteria:
- Patiënten met een voorgeschiedenis van cervicale spinale chirurgie en een systematische ziekte (reumatologische of neurale ziekte).
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
cervicale myelopathie
MR-beelden van patiënten met cervicale myelopathie
|
Convolutionele neurale netwerken, een techniek voor machinaal leren, worden steeds vaker gebruikt in verschillende industriële en onderzoeksgebieden.
De ontwikkeling van rekeneenheden en de toenemende hoeveelheid data leidden tot de ontwikkeling van nieuwe methoden op kunstmatige neurale netwerken.
Deep learning (DL) is een meerlagig neuraal netwerk waarin feature-extractie automatisch wordt uitgevoerd.
Het breidt traditionele neurale netwerken uit door meer verborgen lagen toe te voegen aan de netwerkarchitectuur tussen de invoer- en uitvoerlagen om complexere en niet-lineaire relaties te modelleren.
|
|
normaal
normale gedeelte van de MRI van patiënten met cervicale myelopathie
|
Convolutionele neurale netwerken, een techniek voor machinaal leren, worden steeds vaker gebruikt in verschillende industriële en onderzoeksgebieden.
De ontwikkeling van rekeneenheden en de toenemende hoeveelheid data leidden tot de ontwikkeling van nieuwe methoden op kunstmatige neurale netwerken.
Deep learning (DL) is een meerlagig neuraal netwerk waarin feature-extractie automatisch wordt uitgevoerd.
Het breidt traditionele neurale netwerken uit door meer verborgen lagen toe te voegen aan de netwerkarchitectuur tussen de invoer- en uitvoerlagen om complexere en niet-lineaire relaties te modelleren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De waarde van verwarringsmatrixnauwkeurigheid voor sagittale weergaven
Tijdsspanne: 1 dag
|
Het is een specifieke tabellay-out waarmee de prestaties van een algoritme kunnen worden gevisualiseerd.
|
1 dag
|
|
De waarde van verwarringsmatrixnauwkeurigheid voor axiale weergaven
Tijdsspanne: 1 dag
|
Het is een specifieke tabellay-out waarmee de prestaties van een algoritme kunnen worden gevisualiseerd.
|
1 dag
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Hakan Yilmaz, Karabuk University, Faculty of Engineering
- Hoofdonderzoeker: Murat Korkmaz, Istanbul University, Faculty of Medicine
Studie record data
Bestudeer belangrijke data
Studie start (WERKELIJK)
Primaire voltooiing (WERKELIJK)
Studie voltooiing (WERKELIJK)
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
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- KAEK/2020.07.129
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
IPD-tijdsbestek voor delen
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- SAP
- ICF
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 .