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

Automatisert deteksjon og diagnose av patologiske DRG-er hos PHN-pasienter ved bruk av dyp læring og magnetisk resonans

5. mars 2024 oppdatert av: Xianwei Zhang,MD, Huazhong University of Science and Technology
Her hadde denne studien som mål å utvikle et automatisert system for å oppdage og diagnostisere lesjons-DRG hos PHN-pasienter basert på dyp læring. Denne studien analyserte retrospektivt DRG-bildene av alle pasienter med postherpetisk nevralgi som gjennomgikk magnetisk resonansnevroimaging-undersøkelser i vår røntgenavdeling fra januar 2021 til februar 2022. Etter bildeetterbehandling ble You Only Look Once (YOLO) versjon 8 valgt som målalgoritmemodell. Modellytelsen ble evaluert ved hjelp av beregninger som presisjon, tilbakekalling, gjennomsnittlig presisjon, gjennomsnittlig gjennomsnittlig presisjon og F1-score.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

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

Observasjonsmessig

Registrering (Faktiske)

41

Kontakter og plasseringer

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

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

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

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter med postherpetisk nevralgi som har gjennomgått magnetisk resonans nevroimaging undersøkelser på radiologisk avdeling ved vårt sykehus fra januar 2021 til februar 2022.

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

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
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

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. oktober 2023

Primær fullføring (Faktiske)

31. januar 2024

Studiet fullført (Faktiske)

31. januar 2024

Datoer for studieregistrering

Først innsendt

16. februar 2024

Først innsendt som oppfylte QC-kriteriene

16. februar 2024

Først lagt ut (Faktiske)

23. februar 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

6. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

5. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

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. .

Abonnere