Kunstig intelligens og beintomoscintigrafier oppnådd med CZT-kamera (IATOS)
20. februar 2024 oppdatert av: Achraf BAHLOUL, Central Hospital, Nancy, France
Ultraraske beintomoscintigrafier for hele kroppen oppnådd med et 360° CZT-kamera med høy følsomhet og en dedikert støyreduksjonsalgoritme for dyp læring
Denne studien tok sikte på å finne ut om opptakstiden for enkeltfotonutslippscomputertomografi (SPECT) for hele kroppen på rundt 10 minutter, rutinemessig levert av et høysensitivt 360 grader kadmium og sinktellurid (CZT) kamera, kan reduseres ytterligere med en algoritme for dyp læringsstøyreduksjon (DLNR).
Studieoversikt
Status
Fullført
Forhold
Detaljert beskrivelse
Denne studien hadde som mål å bestemme i hvilken grad raske bein-SPECT-opptakstider for hele kroppen, rutinemessig oppnådd med et høysensitivt 360 grader CZT-kamera og ganske lave injiserte aktiviteter, kan reduseres ytterligere ved å bruke DLNR-algoritmen.
Studietype
Observasjonsmessig
Registrering (Faktiske)
19
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Vandoeuvre les Nancy cedex, Frankrike, 54511
- CHRU Nancy
-
-
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
Sannsynlighetsprøve
Studiepopulasjon
Nitten kreftpasienter (8 kvinner, 11 menn) henvist til rask enkeltfotonemisjonstomografi i hele kroppen for påvisning eller oppfølging av benmetastaser ble retrospektivt inkludert i denne studien.
Beskrivelse
Inklusjonskriterier:
- pasienter henvist til rask enkeltfotonemisjonstomografi i hele kroppen for påvisning eller oppfølging av benmetastaser
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 |
|---|---|---|
|
Vurder en dedikert støyreduksjonsalgoritme for dyp læring
Tidsramme: en dag
|
En dyp læringsstøyreduksjonsalgoritme ble brukt på bilder av hele kroppen som ble tatt opp
|
en dag
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
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)
30. august 2023
Primær fullføring (Faktiske)
10. september 2023
Studiet fullført (Faktiske)
30. oktober 2023
Datoer for studieregistrering
Først innsendt
20. februar 2024
Først innsendt som oppfylte QC-kriteriene
20. februar 2024
Først lagt ut (Faktiske)
28. februar 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
28. februar 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
20. februar 2024
Sist bekreftet
1. februar 2024
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 2023PI095-407
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. .