Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Konvolusjonelt nevralt nettverk for påvisning av cervikal myelomalaci

27. mai 2021 oppdatert av: Merve Damla Korkmaz, Istanbul University

Konvolusjonelt nevralt nettverk for påvisning av cervical myelomalacia på magnetisk resonansavbildning

Dyplæringsteknologi har blitt brukt i økende grad innen ryggradskirurgi så vel som i mange medisinske felt. Imidlertid er det lagt merke til at de fleste av studiene om dette emnet i litteraturen har blitt utført bortsett fra cervikal ryggraden. I denne studien hadde vi som mål å demonstrere effektiviteten til dyplæringsalgoritmen i diagnostisering av cervical myelomalacia sammenlignet med konvensjonelle diagnostiske metoder.

Kunstige nevrale nettverk, en maskinlæringsteknikk, har blitt brukt i flere industri- og forskningsfelt i økende grad. Utviklingen av beregningsenheter og den økende mengden data førte til utviklingen av nye metoder på kunstige nevrale nettverk

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Cervical myelopati (CM) er en hyppig degenerativ sykdom i cervical ryggraden som oppstår som et resultat av kompresjon av ryggmargen. Ved evaluering av denne sykdommen og ved fastsettelse av behandlingsalternativer, bør pasientens klinikk og radiologiske modaliteter evalueres sammen.

De nåværende avbildningsprosedyrene for CM er vanlig røntgenogram, datatomografi og magnetisk resonansavbildning (MRI). Imidlertid er MR i CM mer verdifull for å evaluere disken, ryggmargen og annet bløtvev sammenlignet med andre avbildningsmetoder. Kunstig intelligens-teknologier også brukt i mange helseapplikasjoner som medisinsk bildeanalyse, biologisk signalanalyse, etc. I denne studien hadde vi som mål å demonstrere effektiviteten til dyplæringsalgoritmen i diagnostisering av cervical myelomalacia sammenlignet med konvensjonelle diagnostiske metoder.

Studietype

Observasjonsmessig

Registrering (Faktiske)

125

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Tyrkia
    • Fatih
      • Istanbul, Fatih, Tyrkia, 34093
        • Istanbul University

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

32 år til 77 år (VOKSEN, OLDER_ADULT)

Tar imot friske frivillige

N/A

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Deltakerne er i alderen 30-80 år, som har cervikal myelomalaci som påvist ved MR.

Beskrivelse

Inklusjonskriterier:

  • pasientene med klassiske cervical myelomalacia-symptomer som nakkesmerter og stivhet, svakhet og klossethet i overekstremitetene eller gangvansker og radiologiske funn av spinalkompresjon
  • 30-80 år.

Ekskluderingskriterier:

  • Pasienter med tidligere livmorhalskirurgi og har en systematisk sykdom (revmatologisk eller nevral sykdom).

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
cervikal myelopati
MR-bilder av pasienter med cervical myelopati
Diagnostisk test: Konvolusjonelt nevralt nettverk
Konvolusjonelle nevrale nettverk, en maskinlæringsteknikk, har blitt brukt i flere industri- og forskningsfelt i økende grad. Utviklingen av beregningsenheter og den økende mengden data førte til utviklingen av nye metoder på kunstige nevrale nettverk. Deep learning (DL) er et flerlags nevralt nettverk der funksjonsutvinning gjøres automatisk. Den utvider tradisjonelle nevrale nettverk ved å legge til flere skjulte lag til nettverksarkitekturen mellom input- og output-lagene for å modellere mer komplekse og ikke-lineære forhold.
normal
normal del av MR av pasienter med cervical myelopati
Diagnostisk test: Konvolusjonelt nevralt nettverk
Konvolusjonelle nevrale nettverk, en maskinlæringsteknikk, har blitt brukt i flere industri- og forskningsfelt i økende grad. Utviklingen av beregningsenheter og den økende mengden data førte til utviklingen av nye metoder på kunstige nevrale nettverk. Deep learning (DL) er et flerlags nevralt nettverk der funksjonsutvinning gjøres automatisk. Den utvider tradisjonelle nevrale nettverk ved å legge til flere skjulte lag til nettverksarkitekturen mellom input- og output-lagene for å modellere mer komplekse og ikke-lineære forhold.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Verdien av forvirringsmatrisenøyaktighet for sagittale visninger
Tidsramme: 1 dag
Det er et spesifikt tabelloppsett som tillater visualisering av ytelsen til en algoritme.
1 dag
Verdien av forvirringsmatrisenøyaktighet for aksiale visninger
Tidsramme: 1 dag
Det er et spesifikt tabelloppsett som tillater visualisering av ytelsen til en algoritme.
1 dag

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Istanbul University

Etterforskere

  • Hovedetterforsker: Hakan Yilmaz, Karabuk University, Faculty of Engineering
  • Hovedetterforsker: Murat Korkmaz, Istanbul University, Faculty of Medicine

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. april 2021

Primær fullføring (FAKTISKE)

22. april 2021

Studiet fullført (FAKTISKE)

22. april 2021

Datoer for studieregistrering

Først innsendt

11. mars 2021

Først innsendt som oppfylte QC-kriteriene

11. mars 2021

Først lagt ut (FAKTISKE)

15. mars 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

1. juni 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

27. mai 2021

Sist bekreftet

1. mai 2021

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • KAEK/2020.07.129

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Den kan deles etter publisering

IPD-delingstidsramme

etter publisering

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE
  • ICF

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. .

Kliniske studier på Cervikal myelopati

Kliniske studier på Konvolusjonelt nevralt nettverk

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Benin

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere