Dyp læring i klassifisering av tarmobstruksjonsrøntgenbilder
13. mars 2024 oppdatert av: The First Affiliated Hospital of Soochow University
Selvovervåket læring for klassifisering av tarmobstruksjon på oppreist abdominal radiografi
Bakgrunn: Nøyaktig merking av obstruksjonsstedet på oppreist abdominal røntgenbilde er en utfordrende oppgave. Mangelen på grunnsannhet fører til dårlig ytelse på veiledede læringsmodeller. For å løse dette problemet, foreslås selvovervåket læring (SSL) for å klassifisere normal, tynntarmobstruksjon (SBO) og tykktarmobstruksjon (LBO) røntgenbilder ved hjelp av noen få bekreftede prøver.
Metoder: Noen få bekreftede og et stort antall umerkede røntgenbilder ble kategorisert basert på sannheten. SSL-modellen ble først trent på de umerkede røntgenbildene, og deretter finjustert på de bekreftede røntgenbildene. ResNet50 og VGG16 ble brukt for de innebygde basekoderne, hvis vekter og parametere ble justert under treningsprosessen. Videre ble det testet på et uavhengig datasett, sammenlignet med veiledede læringsmodeller og menneskelige tolker. Til slutt ble t-SNE og Grad-CAM brukt for å visualisere modellens tolkning.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Studietype
Observasjonsmessig
Registrering (Antatt)
4500
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Jiangsu
-
Suzhou, Jiangsu, Kina, 215006
- TheFirst Affiliated Hospital of Soochow University
-
-
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
deltakerne fikk oppreist abdominal røntgenbilder ble inkludert i denne studien.
De kan deles med deltakere med normale abdominale røntgenbilder, deltakere med tynntarmsobstruksjon og deltakere med tykktarmsobstruksjon.
Studien følger strengt inkluderings- og eksklusjonskriteriene.
Beskrivelse
Inklusjonskriterier:
- Sykehusavbildningssystemet så etter vanlige stående filmer i magen diagnostisert som tarmobstruksjon eller normal mellom 2022 og 2024
- I alderen 18 til 80 år
- Hovedklagen var gastrointestinale symptomer
Ekskluderingskriterier:
- Bildeforstyrrelser, uklar ytelse, vanskelig å skille
- Ikke-gastrointestinale symptomer var hovedklagen
- Ryggliggende, utsatt eller lateral decubitus-radiografi
- Paralytisk obstruksjon, lukket sløyfe obstruksjon, et al
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 |
|---|
|
pasienter med normale abdominale røntgenbilder
pasienter med normale abdominale røntgenbilder, som ble bekreftet ved ekstra bildeundersøkelser og kliniske data.
Bildeundersøkelsene omfattet CT, magnetisk resonanstomografi (MRI) og koloskopi i de påfølgende 72 timene, mens kliniske data inkluderte nylig sykehusinnleggelsesinformasjon og kirurgiske operasjonsnotater.
|
|
pasienter med røntgenbilder av tynntarmobstruksjon
pasienter med røntgenbilder av tynntarmobstruksjon, som ble bekreftet ved ekstra bildeundersøkelser og kliniske data.
Bildeundersøkelsene omfattet CT, magnetisk resonanstomografi (MRI) og koloskopi i de påfølgende 72 timene, mens kliniske data inkluderte nylig sykehusinnleggelsesinformasjon og kirurgiske operasjonsnotater.
Når det gjelder plassering, involverer tynntarmobstruksjon (SBO) tolvfingertarmen, jejunum og ileum
|
|
pasienter med røntgenbilder av tykktarmobstruksjon
pasienter med røntgenbilder av tykktarmobstruksjon, som ble bekreftet av ekstra bildeundersøkelser og kliniske data.
Bildeundersøkelsene omfattet CT, magnetisk resonanstomografi (MRI) og koloskopi i de påfølgende 72 timene, mens kliniske data inkluderte nylig sykehusinnleggelsesinformasjon og kirurgiske operasjonsnotater.
Når det gjelder plassering, involverer tykktarmsobstruksjon (SBO), blindtarmen, tykktarmen og endetarmen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk og klassifiseringsytelse
Tidsramme: 1 uke
|
Nøyaktighet, tilbakekalling, presisjon, F1-score og forvirringsmatrise
|
1 uke
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Visualisert tolkning av den selvstyrte modellen
Tidsramme: 1 uke
|
Grad-CAM og t-SNE for å visualisere tolkningen av SSL-modellen
|
1 uke
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studieleder: Rui Li, MD, The First Affiliated Hospital of Soochow University
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Markogiannakis H, Messaris E, Dardamanis D, Pararas N, Tzertzemelis D, Giannopoulos P, Larentzakis A, Lagoudianakis E, Manouras A, Bramis I. Acute mechanical bowel obstruction: clinical presentation, etiology, management and outcome. World J Gastroenterol. 2007 Jan 21;13(3):432-7. doi: 10.3748/wjg.v13.i3.432.
- Cheng PM, Tran KN, Whang G, Tejura TK. Refining Convolutional Neural Network Detection of Small-Bowel Obstruction in Conventional Radiography. AJR Am J Roentgenol. 2019 Feb;212(2):342-350. doi: 10.2214/AJR.18.20362. Epub 2018 Nov 26.
- Kim DH, Wit H, Thurston M, Long M, Maskell GF, Strugnell MJ, Shetty D, Smith IM, Hollings NP. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021 Jun 1;94(1122):20201407. doi: 10.1259/bjr.20201407. Epub 2021 Apr 27.
- Frager D. Intestinal obstruction role of CT. Gastroenterol Clin North Am. 2002 Sep;31(3):777-99. doi: 10.1016/s0889-8553(02)00026-2.
- Cappell MS, Batke M. Mechanical obstruction of the small bowel and colon. Med Clin North Am. 2008 May;92(3):575-97, viii. doi: 10.1016/j.mcna.2008.01.003.
- ten Broek RP, Strik C, Issa Y, Bleichrodt RP, van Goor H. Adhesiolysis-related morbidity in abdominal surgery. Ann Surg. 2013 Jul;258(1):98-106. doi: 10.1097/SLA.0b013e31826f4969.
- Vanderbecq Q, Ardon R, De Reviers A, Ruppli C, Dallongeville A, Boulay-Coletta I, D'Assignies G, Zins M. Adhesion-related small bowel obstruction: deep learning for automatic transition-zone detection by CT. Insights Imaging. 2022 Jan 24;13(1):13. doi: 10.1186/s13244-021-01150-y.
- Chen Y, Mancini M, Zhu X, Akata Z. Semi-Supervised and Unsupervised Deep Visual Learning: A Survey. IEEE Trans Pattern Anal Mach Intell. 2024 Mar;46(3):1327-1347. doi: 10.1109/TPAMI.2022.3201576. Epub 2024 Feb 6.
- Li G, Togo R, Ogawa T, Haseyama M. Self-supervised learning for gastritis detection with gastric X-ray images. Int J Comput Assist Radiol Surg. 2023 Oct;18(10):1841-1848. doi: 10.1007/s11548-023-02891-5. Epub 2023 Apr 11.
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)
31. desember 2022
Primær fullføring (Antatt)
30. april 2024
Studiet fullført (Antatt)
31. desember 2024
Datoer for studieregistrering
Først innsendt
13. mars 2024
Først innsendt som oppfylte QC-kriteriene
13. mars 2024
Først lagt ut (Faktiske)
20. mars 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
20. mars 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
13. mars 2024
Sist bekreftet
1. mars 2024
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2022098
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. .