- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06274502
Automatisert deteksjon og diagnose av patologiske DRG-er hos PHN-pasienter ved bruk av dyp læring og magnetisk resonans
Studieoversikt
Detaljert beskrivelse
Vår tidligere forskning har bekreftet forskjeller i makroskopiske og mikroskopiske aspekter mellom avbildning av skadede dorsalrotganglier (DRG) hos pasienter med postherpetisk neuralgi (PHN) og friske kontroller. I tillegg avslørte vår studie at selv om lokalisering av skadet hud er en klassisk metode i klinisk praksis, er det fortsatt en viss avviksgrad med den skadede DRG observert i magnetisk resonansavbildning (MRI). Dette antyder den betydelige verdien av MR for å diagnostisere skadet DRG hos PHN-pasienter. For pasienter med zoster sine herpete neuralgi er det enda viktigere å tydelig identifisere den skadede DRG gjennom MR. På grunn av den lille størrelsen og varierte morfologien til DRG-lesjoner, krever diagnostisering av skadet DRG gjennom MR spesialisert kunnskap innen nevroanatomi og bildediagnostikk, noe som utgjør en utfordring for kliniske utøvere. Å identifisere skadet DRG raskt og nøyaktig er avgjørende for intervensjonsterapi, siden det fungerer som et viktig behandlingsmål for nevropatisk smerte.
YOLO (You Only Look Once)-serien med algoritmer er for tiden mye brukte ett-trinns sanntids-objektdeteksjonsalgoritmer, inkludert YOLOv1-YOLOv8. På grunn av deres ekstremt høye deteksjonshastighet, muliggjør de gjenstandsdeteksjon i sanntid. YOLOv5 og YOLOv8 er nå mye brukt i ulike applikasjoner som autonom kjøring, videoovervåking og objektsporing [66,67]. Dessuten blir YOLO-serien i økende grad brukt i det medisinske feltet, inkludert tumor- og leddkapsellesjonsdeteksjon, som viser god nøyaktighet, tilbakekallingsfrekvenser og deteksjonseffektivitet [68]. Denne studien tar sikte på å bruke YOLOv8-algoritmen til å utvikle en rask og nøyaktig objektdeteksjonsmodell, samtidig som den evaluerer ytelsen. Den søker å validere gjennomførbarheten og effektiviteten av å oppdage skadede dorsalrotganglier (DRG) i postherpetisk nevralgi i sanntid ved å bruke denne modellen, og gir grunnlag for tidlig diagnose for kliniske utøvere og muliggjør rask og presis lokalisering av skadet DRG.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Wuhan, Kina
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Hubei
-
Wuhan, Hubei, Kina, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter i alderen 18 år eller eldre;
- Pasienter med herpes zoster som fortsetter å oppleve smerte i over en måned etter at skorpen dannes over hudlesjonene;
- Tydelige MR-bilder som viser tydelige dorsalrotganglia (DRG) lesjoner.
Ekskluderingskriterier:
- Pasienter med alvorlige systemiske, metabolske eller nevrologiske sykdommer som kan føre til polynevropati, slik som multippelt myelom, diabetes eller skjoldbruskkjertelsykdommer;
- Pasienter med en historie med psykiatriske lidelser, andre kroniske smertetilstander eller rusmisbruk;
- Pasienter med en historie med thorax- eller ryggoperasjoner og en historie med smerte;
- Tilstedeværelse av artefakter i bildebehandlingen eller uklar bildevisning;
- Målbilder skjult av annet vev.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Utvikle et automatisert system for å oppdage og diagnostisere DRG-lesjon hos PHN-pasienter basert på dyp læring
Tidsramme: 202310-202402
|
You Only Look Once (YOLO) versjon 8 ble valgt som målalgoritmemodell
|
202310-202402
|
Samarbeidspartnere og etterforskere
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- deep learning
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .