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

Kvalitetskontroll av ultralydbilder under tidlig graviditet via AI

6. september 2023 oppdatert av: Di Dong, Chinese Academy of Sciences

Deep Learning-basert kvalitetskontroll av ultralydbilder under tidlig graviditet

Denne forskningen integrerer kunstig intelligens for å forbedre kvalitetskontrollen av ultralyd ved tidlig graviditet, med fokus på spesifikke føtale seksjoner. I samarbeid med fremtredende medisinske institusjoner har vi samlet inn omfattende føtale ultralyddata. Vi tar sikte på å utvikle en dyp læringsmodell som nøyaktig kan identifisere viktige anatomiske områder i ultralydbilder og evaluere kvaliteten. Dette verktøyet forventes å redusere feildiagnostiseringer av tilstander som Downs syndrom og nevrale systemdeformasjoner betydelig ved å sikre vurdering av bildekvalitet i sanntid.

Studieoversikt

Status

Rekruttering

Intervensjon / Behandling

Detaljert beskrivelse

Denne forskningen er dedikert til å integrere kunstig intelligens-teknologi for å optimalisere kvalitetskontrollprosessen for tidlig graviditetsultralyd. De involverte ultralydbildene fokuserer primært på median sagittal seksjon, NT seksjon og choroid plexus av fosteret under tidlig graviditet. I denne forbindelse har vi samarbeidet med anerkjente medisinske institusjoner som Beijing Obstetrics and Gynecology Hospital, Peking University Third Hospital, Changsha Hospital for Maternal and Child Health Care, Second Xiangya Hospital of Central South University for retrospektivt og prospektivt å samle inn en enorm mengde tidlig svangerskap føtal ultralyd bildedata. Basert på dette planlegger vi å etablere en modell forankret i dyp læring. Denne modellen vil være i stand til nøyaktig å identifisere viktige anatomiske områder i standard ultralydskanningsbilder. Videre, ved å gjenkjenne disse anatomiske strukturene, vil modellen avgjøre om ultralydbildet oppfyller standard skannekvalitet. Denne modellen forventes å tjene som et kraftig hjelpeverktøy i obstetrisk ultralyd, som muliggjør sanntidsvurdering av ultralydbildekvalitet, og dermed redusere frekvensen av ubesvarte og feildiagnostiserte fostersykdommer som Downs syndrom og nevrale systemmisdannelser betydelig.

Studietype

Observasjonsmessig

Registrering (Antatt)

400

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

      • Beijing, Kina
        • Rekruttering
        • Peking University Third Hospital
        • Ta kontakt med:
      • Beijing, Kina
        • Rekruttering
        • Beijing Obstetrics and Gynecology Hospital Affiliated to Capital Medical University
        • Ta kontakt med:
      • Changsha, Kina
        • Rekruttering
        • Changsha Hospital for Maternal and Child Health Care
        • Ta kontakt med:
      • Changsha, Kina
        • Rekruttering
        • Second Xiangya Hospital of Central South University
        • Ta kontakt med:

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Kvinner tidlig i svangerskapet

Beskrivelse

Inklusjonskriterier:

  • Kvinner tidlig i svangerskapet som har detaljert personlig informasjon og ultralydbilder.
  • Ultralydbildene skal tydelig vise fosterets mediane sagittale, NT- og choroid plexus-visninger.

Ekskluderingskriterier:

  • Ultralydbilder fra kvinner i midten til slutten av svangerskapet.
  • Ultralydbilder som er uklare eller uskarpe, noe som gjør evaluering vanskelig.
  • Kvinner som ikke ga fullstendig personlig og medisinsk informasjon under ultralydskanningen.

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
Beijing Obstetrics and Gynecology Hospital tilknyttet Capital Medical University
Beijing Obstetrics and Gynecology Hospital, tilknyttet Capital Medical University, samler inn klinisk informasjon og ultralydbilder av sagittal, NT og choroid plexus visninger av fosteret som ble hentet fra tidlige gravide kvinner som gjennomgikk NT-sveip.
Etterforskerne identifiserer området av interesse i den relevante delen for å gi en konklusjon om hvorvidt bildet er standard eller ikke, veilede klinikere til å standardisere operasjonen, og redusere frekvensen av feildiagnostisering og underdiagnostisering.
Peking University Third Hospital
Peking University Third Hospital samler inn klinisk informasjon og ultralydbilder av sagittal-, NT- og choroid plexus-visninger av fosteret som ble hentet fra tidlige gravide kvinner som gjennomgikk NT-sveip.
Etterforskerne identifiserer området av interesse i den relevante delen for å gi en konklusjon om hvorvidt bildet er standard eller ikke, veilede klinikere til å standardisere operasjonen, og redusere frekvensen av feildiagnostisering og underdiagnostisering.
Changsha sykehus for mødre- og barnehelsetjenester
Changsha Hospital for Maternal and Child Health Care samler inn klinisk informasjon og ultralydbilder av sagittale, NT- og choroid plexus-visninger av fosteret som ble hentet fra tidlige gravide kvinner som gjennomgikk NT-sveip.
Etterforskerne identifiserer området av interesse i den relevante delen for å gi en konklusjon om hvorvidt bildet er standard eller ikke, veilede klinikere til å standardisere operasjonen, og redusere frekvensen av feildiagnostisering og underdiagnostisering.
Det andre Xiangya-sykehuset ved Central South University
Second Xiangya Hospital ved Central South University samler inn klinisk informasjon og ultralydbilder av sagittale, NT- og choroid plexus-visninger av fosteret som ble hentet fra tidlige gravide kvinner som gjennomgikk NT-sveip.
Etterforskerne identifiserer området av interesse i den relevante delen for å gi en konklusjon om hvorvidt bildet er standard eller ikke, veilede klinikere til å standardisere operasjonen, og redusere frekvensen av feildiagnostisering og underdiagnostisering.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
PR-kurve for kontrollmodul for bildekvalitet
Tidsramme: en måned
Bruker Precision-Recall-kurve og gjennomsnittlig persisjon som evalueringsindikator for bildekvalitetskontrollmodell.
en måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktigheten til intelligent analysesystem i bildekvalitetskontrollmodul
Tidsramme: en måned
Overensstemmelsen mellom prediksjonsresultatet av intelligent analysesystem og den gyldne standarden
en måned

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. september 2023

Primær fullføring (Antatt)

31. desember 2023

Studiet fullført (Antatt)

30. juli 2028

Datoer for studieregistrering

Først innsendt

13. august 2023

Først innsendt som oppfylte QC-kriteriene

13. august 2023

Først lagt ut (Faktiske)

21. august 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

8. september 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

6. september 2023

Sist bekreftet

1. september 2023

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • CASMI005

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Individuelle deltakerdata (IPD) kan gjøres tilgjengelig for andre forskere på forespørsel. Interesserte forskere bør presentere et rimelig forskningsforslag og en databruksapplikasjon. Alle deltakende enheter i denne studien vil vurdere og vurdere forslaget og søknaden for å avgjøre om dataene skal deles.

IPD-delingstidsramme

Data vil bli tilgjengelig 6 måneder etter fullført studie og vil forbli tilgjengelig i en periode på 5 år.

Tilgangskriterier for IPD-deling

Interesserte forskere bør sende inn et detaljert forskningsforslag og en søknad om databruk for vurdering. Alle deltakende enheter i denne studien vil vurdere søknaden for å avgjøre kvalifisering for datatilgang.

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE
  • ANALYTIC_CODE

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. .

Abonnere