Evaluering av en kunstig intelligens-algoritme som reduserer støy ved raske helkroppsbeintomoscintigrafi-innsamlinger tatt opp av et 360-graders kadmium-sink-tellurid-kamera (IATOS2)
Nylig har kunstig intelligens-algoritmer som reduserer støy ved dyp læring blitt utviklet med applikasjon til SPECT- og PET-bilder.
Mange studier har rapportert muligheten for å redusere opptakstiden i beinscintigrafi ved å bruke kunstig intelligens-algoritmer som reduserer støy
Studieoversikt
Detaljert beskrivelse
Bare to studier sammenlignet bilder som er forringet av en Deep Learning-algoritme, med de som ble forkastet av konvensjonelle filtre (gaussiske og medianfiltre). Den første studien ble utført kun på pasienter, uten fantomanalyse og uten å ta hensyn til størrelsen på lesjonene. Den andre studien inkluderte en analyse av fantomer og pasienter, men med anvendelse på plane bilder i stedet for SPECT-bilder som i økende grad brukes i dag
Hypotesen for vår studie utført på fantomer og pasienter er at en kunstig intelligens-algoritme som reduserer støy kan erstatte de konvensjonelle filtrene som vanligvis brukes i bein SPECT for denoising av scintigrafiske bilder.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Vandœuvre-lès-Nancy, Frankrike, 54511
- Nuclear Medicine Department
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
Pasienter som hadde hele kroppens ben skanner for revmatologiske eller onkologiske indikasjoner.
Ekskluderingskriterier:
Pasienter motsetter seg bruk av dataene deres
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Å sammenligne bildebehandling behandlet av den kunstige intelligensalgoritmen med bildebehandling behandlet med den tradisjonelle kunstige filteralgoritmen
Tidsramme: en dag
|
Kvantifiseringsverdi på bildebehandling målt med intelligens kunstig algoritme sammenlignet med kvantifiseringsverdi målt med konvensjonelt filter
|
en dag
|
Samarbeidspartnere og etterforskere
Sponsor
Publikasjoner og nyttige lenker
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 (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 2024PI241
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. .