Pas Machine Learning toe op de interpretatie van de morfologie van urinekristallen.
Het doel van dit observationele onderzoek is het ontwikkelen van op afbeeldingen gebaseerde kunstmatige intelligentiesoftware die automatisch de soorten en maten van kristallen in urine kan interpreteren. De belangrijkste vragen die het wil beantwoorden zijn:
- Zorgprofessionals kunnen urinebeelden invoeren en realtime leesresultaten ontvangen over kristaltypen en -groottes.
- Dit heeft tot doel een snellere, objectievere en nauwkeurigere analyse van kristallen te bieden.
We verwachten beeld-AI-software te leveren die geschikt is voor praktische toepassingen en die de automatisering en nauwkeurigheid van urinekristalanalyse bevordert.
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
Nierstenen worden voornamelijk gevormd door de oververzadiging van ionen in de urine, wat leidt tot de vorming van kristallen. Een beoordeling van het risico op nierstenen is gebaseerd op de medische geschiedenis van een patiënt, biochemische urinetests en verschillende laboratoriumonderzoeken. Het combineren hiervan met beeldvormende onderzoeken zoals CT-scans, echografie en röntgenfoto's helpt bij het diagnosticeren van het type nierstenen, hoewel beeldresultaten voor kleinere stenen mogelijk minder nauwkeurig zijn. Steenvorming komt vaak voor, met een hoog herhalingspercentage, en er is een sterke correlatie tussen urinekristallen en steensamenstelling. Daarom is de analyse van urinekristallen betekenisvol voor de diagnose, evaluatie van behandelstrategieën en preventie van herhaling van stenen bij niersteenziekte.
Microscopische analyse van urinekristallen maakt de observatie van kleinere kristallen mogelijk. Handmatige urinemicroscopie is echter traag en tijdrovend. Om dit aan te pakken, willen we software voor kunstmatige intelligentie ontwikkelen om te helpen bij de interpretatie van urinekristallen, waardoor een snellere analyse mogelijk wordt. We zullen retrospectief urinekristalbeelden analyseren die zijn opgeslagen uit eerder onderzoek (Chang Gung Memorial Hospital Internal Project Research No. 107123-E) om kristaltypen te identificeren. Daaropvolgende beeldvoorverwerking en categorie-labeling zullen worden uitgevoerd om machinesoftware te trainen en af te leiden. De resultaten zullen worden vergeleken met handmatige interpretatie om de nauwkeurigheid van de software vast te stellen.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Yi-Shiou Tseng
- Telefoonnummer: 0920376341
- E-mail: tysgroupone@gmail.com
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Analyseer retrospectief de urinekristalbeelden die zijn bewaard uit de vorige studie 107123-E voor analyse van het kristaltype. Voer vervolgens beeldvoorverwerking en labelcategorisatie uit voor het leren en infereren van machinesoftware. De geïnterpreteerde resultaten worden vervolgens op nauwkeurigheid beoordeeld met behulp van statistische analysesoftware.
Uitsluitingscriteria:
- Niet toepasbaar
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Handmatige microscopische observatie
Controlegroep: Handmatige analyse van urinekristalbeelden, onderscheid maken tussen kristaltypen, nauwkeurigheid van de registratie en analyse van de verbruikte tijd.
|
|
Machine-interpretatie
De urinekristalbeelden worden geanalyseerd op kristaltypen, gevolgd door beeldvoorbewerking en categorielabeling voor het leren en infereren van machinesoftware.
Vervolgens worden de geïnterpreteerde resultaten onderworpen aan statistische analysesoftware om de nauwkeurigheid te beoordelen.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Kappa-statistieken
Tijdsspanne: De machine heeft ongeveer 0,5 uur nodig om de interpretatie van ongeveer 800 urinekristalbeelden te voltooien.
|
Wordt gebruikt voor het vergelijken van een nieuw instrument met een standaardinstrument om te bepalen of het nieuwe instrument een bepaald prestatie- of nauwkeurigheidsniveau vertoont.
|
De machine heeft ongeveer 0,5 uur nodig om de interpretatie van ongeveer 800 urinekristalbeelden te voltooien.
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
- Nier Ziekten
- Urologische ziekten
- Urologische manifestaties
- Pathologische aandoeningen, anatomisch
- Urolithiase
- Urinewegen
- Vrouwelijke urogenitale ziekten
- Vrouwelijke urogenitale ziekten en zwangerschapscomplicaties
- Urogenitale ziekten
- Mannelijke urogenitale ziekten
- Berekeningen
- Nierstenen
- Nefrolithiase
- Kristalurie
Andere studie-ID-nummers
- 112183-E
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .