Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
29 juni 2021 bijgewerkt door: Peking University Third Hospital
The purpose of this study is to study the injury of the anterior talofibular ligament by deep learning method and compare a variety of different deep learning models to establish a deep learning method that can accurately identify and grade the injury of anterior talofibular ligament, and obtain a model with better recognition and grading effect.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
- Recognition and segmentation of anterior talofibular ligament based on DenseNet. Densenet was used to recognize the axial T2-fs image, and the image level was the most typical one. The labelimg program based on Python was used to locate the coordinates of the anterior talofibular ligament and then imported into Python for learning. All the data were divided into a training set (70%, and then 30% of the training set was selected as the verification set). The remaining 30% was used as the test set to evaluate the accuracy of model recognition. After identifying the anterior talofibular ligament, the local clipping and amplification are carried out to remove the redundant information. Finally, input the result to the next step.
- Establishment and comparison of various deep learning models: four deep learning models were established and compared in this study, namely VGG19, AlexNet, CapsNet, and GoogleNet. The models using image fitting alone and those combining with clinical physical examination data were compared for each deep learning model. The diagnostic efficiency between models was expressed by the ROC curve, including AUC, F1 score, etc. the ROC curve was further analyzed by t-test, Delong test, and other statistical methods. In this study, the data were divided into a training set (70%, 30% in the training set as the validation set), and the remaining 30% as the test set to evaluate the classification accuracy.
Studietype
Observationeel
Inschrijving (Verwacht)
1000
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: huishu Yuan, MD
- Telefoonnummer: 15810245738
- E-mail: huishuy@bjmu.edu.cn
Studie Contact Back-up
- Naam: Ming Ni, MD
- Telefoonnummer: 13884794867
- E-mail: sdyingxiang2017@163.com
Studie Locaties
-
-
Beijing
-
Beijing, Beijing, China, 010
- Werving
- Peking University Third Hospital
-
Contact:
- Huishu Yuan, Dr
- E-mail: huishuy@bjmu.edu.cn
-
-
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
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
From September 2018 to September 2020, patients underwent ankle MRI examination in the Department of Radiology, the Third Hospital of Peking University.
Beschrijving
Inclusion Criteria:
- Without any treatment before imaging examination;
- MR of ankle joint was performed within 3 months before operation and the image quality was good;
- Arthroscopic operation was performed in our hospital and the operation records were complete.
Exclusion Criteria:
- history of ankle surgery, history of cancer or previous fractures.
- Unclear image, serious artifact or incomplete clinical data.
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 |
|---|---|
|
Normal control group-Grade 0
Arthroscopic examination of the ankle joint was normal, and the ligament was intact without injury or tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament injury -Grade 1
Arthroscopic examination of the ankle joint showed ligament degeneration or injury, but no local or complete tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament tear-Grade 2
Arthroscopy of the ankle joint revealed partial or complete loss of ligaments.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
Tijdsspanne: 2021.1-2022.3.1
|
The model of deep learning was obtained for diagnosis and grading of anterior fibular ligament and compared with the doctors of different grades.
|
2021.1-2022.3.1
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Onderzoekers
- Studie stoel: huishu Yuan, MD, Peking University Third 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)
1 januari 2021
Primaire voltooiing (Verwacht)
30 december 2021
Studie voltooiing (Verwacht)
30 maart 2022
Studieregistratiedata
Eerst ingediend
28 juni 2021
Eerst ingediend dat voldeed aan de QC-criteria
29 juni 2021
Eerst geplaatst (Werkelijk)
8 juli 2021
Updates van studierecords
Laatste update geplaatst (Werkelijk)
8 juli 2021
Laatste update ingediend die voldeed aan QC-criteria
29 juni 2021
Laatst geverifieerd
1 juni 2021
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- M2020460
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
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 .