Kunstmatige intelligentie en bottomoscintigrafieën bereikt met CZT-camera (IATOS)
20 februari 2024 bijgewerkt door: Achraf BAHLOUL, Central Hospital, Nancy, France
Ultrasnelle bottomoscintigrafieën voor het hele lichaam, mogelijk gemaakt met een zeer gevoelige 360° CZT-camera en een speciaal diepgaand lerend algoritme voor ruisonderdrukking
Deze studie had tot doel vast te stellen of de Single Photon Emission Computed Tomography (SPECT)-opnametijden van ongeveer 10 minuten voor het hele lichaam, die routinematig worden geleverd door een hooggevoelige 360 graden cadmium- en zinktelluride (CZT)-camera, verder kunnen worden verkort door een deep learning-algoritme voor ruisonderdrukking (DLNR).
Studie Overzicht
Toestand
Voltooid
Conditie
Gedetailleerde beschrijving
Deze studie had tot doel vast te stellen in hoeverre snelle SPECT-opnametijden voor het hele lichaam, routinematig verkregen met een hooggevoelige 360 graden CZT-camera en vrij laag geïnjecteerde activiteiten, verder kunnen worden verminderd met behulp van het DLNR-algoritme.
Studietype
Observationeel
Inschrijving (Werkelijk)
19
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
-
-
-
Vandoeuvre les Nancy cedex, Frankrijk, 54511
- CHRU NANCY
-
-
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
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Nee
Bemonsteringsmethode
Kanssteekproef
Studie Bevolking
Negentien kankerpatiënten (8 vrouwen, 11 mannen) die naar snelle enkelvoudige fotonemissietomografie van het hele lichaam werden verwezen voor detectie of follow-up van botmetastasen, werden retrospectief in deze studie opgenomen.
Beschrijving
Inclusiecriteria:
- patiënten verwezen naar snelle enkelvoudige fotonenemissietomografie van het hele lichaam voor detectie of follow-up van botmetastasen
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
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Beoordeel een speciaal deep learning-algoritme voor ruisonderdrukking
Tijdsspanne: op een dag
|
Een deep learning-algoritme voor ruisonderdrukking werd toegepast op opgenomen beelden van het hele lichaam
|
op een dag
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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)
30 augustus 2023
Primaire voltooiing (Werkelijk)
10 september 2023
Studie voltooiing (Werkelijk)
30 oktober 2023
Studieregistratiedata
Eerst ingediend
20 februari 2024
Eerst ingediend dat voldeed aan de QC-criteria
20 februari 2024
Eerst geplaatst (Werkelijk)
28 februari 2024
Updates van studierecords
Laatste update geplaatst (Werkelijk)
28 februari 2024
Laatste update ingediend die voldeed aan QC-criteria
20 februari 2024
Laatst geverifieerd
1 februari 2024
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 2023PI095-407
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 .