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

Computational Imaging Research Basert på Deep Learning

21. juli 2022 oppdatert av: Xin Lou, Chinese PLA General Hospital

Computational Imaging ved hjelp av pikselnivå Graph Adversarial Learning

Beregningsavbildningsforskning basert på dyp læring

Studieoversikt

Status

Aktiv, ikke rekrutterende

Intervensjon / Behandling

Detaljert beskrivelse

Basert på dagens tekniske utfordringer, fagutvikling og oppgradering av kunnskap, for å unngå forekomsten av uønskede medisinske ulykker, forenkle den diagnostiske prosessen, har kunstig intelligens blitt den alternative metoden for valg, ved å konstruere en treningsmodell for dyp læring, CTA som modellinndata aneurismedeteksjon og diagnose for å forbedre diagnoseeffektiviteten, fremme utviklingen av medisinsk teknologi

Studietype

Observasjonsmessig

Registrering (Forventet)

1200

Kontakter og plasseringer

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

Studiesteder

      • Beijing, Kina, 100853
        • Chinese PLA General 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 80 år (VOKSEN, OLDER_ADULT)

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

mangfold av mennesker

Beskrivelse

Inklusjonskriterier:

  1. Alder: 18-80 år.
  2. CT-paret bildedata for kar, inkludert lag-til-lag vanlig CT og forbedret CT. 2 Tidsrom: januar 2010 til desember 2021.
  3. Skannesteder: CT og CTA av hode, nakke, bryst, mage eller iliaca.

Ekskluderingskriterier:

  1. Ikke-paret CT-bilde.
  2. Alvorlig artefakt CT-bilde.
  3. forbedringsbilde av CT-svikt (unnlatelse av å fange arteriell fase eller dårlig arteriell utvikling, utilstrekkelig flyt av kontrastmiddel, etc.)

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
Objektiv evaluering
Tidsramme: 30 minutter
ved å bruke SSIM\MAE-indeksevaluering
30 minutter

Samarbeidspartnere og etterforskere

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

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)

1. november 2021

Primær fullføring (FORVENTES)

30. juli 2022

Studiet fullført (FORVENTES)

15. august 2022

Datoer for studieregistrering

Først innsendt

21. juli 2022

Først innsendt som oppfylte QC-kriteriene

21. juli 2022

Først lagt ut (FAKTISKE)

25. juli 2022

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

25. juli 2022

Siste oppdatering sendt inn som oppfylte QC-kriteriene

21. juli 2022

Sist bekreftet

1. juli 2022

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • Synthesis imaging-ChinaPLAGH

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

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 Arteriell aneurisme

Kliniske studier på Aneurisme diagnose

3
Abonnere