- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04239638
Analyse av Cervical Spinal MR med dyp læring
19. juli 2022 oppdatert av: Bezmialem Vakif University
Målet med denne studien er å analysere patologiene i cervical spinal MR-bilder ved å bruke bildebehandlingsalgoritmer.
Bestemmelse av disse patologiske tilfellene som lærte til systemet med dyp læring og bestemmelse av deres nivåer.
Endelig; verifisering av systemet ved å sammenligne radiolograpporter og automatiserte systemutdata.
Studieoversikt
Status
Tilbaketrukket
Intervensjon / Behandling
Detaljert beskrivelse
Nakkesmerter er et svært vanlig helseproblem med en verdensomspennende prevalens som varierer fra 16,7 % til 75,1 %.
Kilden til nakkesmerter blir ofte vurdert - selv om det ikke er noen sterke bevis - den cervical intervertebral disc.
Radiologiske avbildningsmetoder brukes for påvisning av degenerasjon av skivene og endeplakkforandringene i ryggvirvellegemet tilsvarende denne degenerasjonen.Magnetisk resonanstomografi (MRI) gir informasjon om strukturen til mellomvirvelskiven, bredden på ryggmargen og vev utenfor kanal.
Det er imidlertid ingen standardisering i identifisering og evaluering av radiologiske bilder, og interobservatørvariabiliteten er høy.
Det er igangsatt studier på automatiserte systemer som analyserer MR-bilder for å øke nøyaktigheten og konsistensen i rapporteringsprosedyrene.
Undersøkelse av MR-bilder med dyp læring kan føre til produksjon av systemer som hjelper klinisk beslutningstaking og også tillater evaluering av store data på kort tid.
Studietype
Observasjonsmessig
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Istanbul, Tyrkia
- Bezmialem Vakif University Hospital
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
18 år til 75 år (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter med nakkesmerter mellom 18-75 år
Beskrivelse
Inklusjonskriterier:
- 18-75 år
- Resultatet av en MR-undersøkelse av cervical spinal, som ble utført for nakkesmerter i sykehusjournalene de siste 5 årene.
Ekskluderingskriterier:
- Malignitet
- Tegn på aktiv infeksjon
- Betydelig spinal vertebral deformitet (avansert skoliose, medfødte vertebrale defekter)
- Spinal kirurgi
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighetsgrad av modellen som vurdert ved kryssvalidering av datasettet
Tidsramme: Gjennom studiegjennomføring, gjennomsnittlig 1,5 år
|
Vi vil tilfeldig dele datasettet inn i 4 delsett.
I hvert undereksperiment vil MR-skiver fra 3 undergrupper trenes og stykker i den andre undergruppen vil bli testet.
Vi vil utføre totalt 4 undereksperimenter, så hver skive i datasettet vil bli testet én gang.
|
Gjennom studiegjennomføring, gjennomsnittlig 1,5 år
|
|
Modellens pålitelighet vurdert ved å sammenligne rapportene fra modellen og radiologen.
Tidsramme: Gjennom studiegjennomføring, gjennomsnittlig 1,5 år
|
Kappa-statistikk og pålitelighetskoeffisienter vil bli brukt.
|
Gjennom studiegjennomføring, gjennomsnittlig 1,5 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Castro-Mateos I, Hua R, Pozo JM, Lazary A, Frangi AF. Intervertebral disc classification by its degree of degeneration from T2-weighted magnetic resonance images. Eur Spine J. 2016 Sep;25(9):2721-7. doi: 10.1007/s00586-016-4654-6. Epub 2016 Jul 7.
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Kim S, Bae WC, Masuda K, Chung CB, Hwang D. Fine-Grain Segmentation of the Intervertebral Discs from MR Spine Images Using Deep Convolutional Neural Networks: BSU-Net. Appl Sci (Basel). 2018 Sep;8(9):1656. doi: 10.3390/app8091656. Epub 2018 Sep 14.
- Daenzer S, Freitag S, von Sachsen S, Steinke H, Groll M, Meixensberger J, Leimert M. VolHOG: a volumetric object recognition approach based on bivariate histograms of oriented gradients for vertebra detection in cervical spine MRI. Med Phys. 2014 Aug;41(8):082305. doi: 10.1118/1.4890587.
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
15. januar 2020
Primær fullføring (Forventet)
1. mars 2022
Studiet fullført (Forventet)
1. april 2022
Datoer for studieregistrering
Først innsendt
15. januar 2020
Først innsendt som oppfylte QC-kriteriene
20. januar 2020
Først lagt ut (Faktiske)
27. januar 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
21. juli 2022
Siste oppdatering sendt inn som oppfylte QC-kriteriene
19. juli 2022
Sist bekreftet
1. juli 2022
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 54022451
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .