Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Klasyfikacja tomografii komputerowej kręgosłupa oparta na głębokim uczeniu się (DETECT)

10 maja 2020 zaktualizowane przez: Shisheng He, MD, Shanghai 10th People's Hospital
Ręczna klasyfikacja CT kręgosłupa jest czasochłonna dla chirurgów kręgosłupa lub radiologów, co może być również skorelowane z dużą zmiennością między obserwatorami. Wraz z rozwojem informatyki, głębokie uczenie się stało się obiecującą techniką klasyfikacji obrazów od poziomu indywidualnego do poziomu piksela. Głównym celem badania jest automatyczna identyfikacja i klasyfikacja uszkodzeń lub segmentacja docelowych struktur w tomografii komputerowej kręgosłupa z głębokim uczeniem.

Przegląd badań

Status

Nieznany

Warunki

Interwencja / Leczenie

Szczegółowy opis

Tomografia komputerowa (TK) jest jednym z najważniejszych narzędzi obrazowania wspomagającego diagnostykę i leczenie schorzeń kręgosłupa. Klasyfikacja określonych celów (np. osobników, zmian chorobowych itp.) jest jednym z najczęstszych zadań analizy obrazu medycznego. Jednak ręczne klasyfikacje CT kręgosłupa są czasochłonne dla chirurgów kręgosłupa lub radiologów, co może być również skorelowane z dużą wariancją między obserwatorami. Wraz z rozwojem informatyki, głębokie uczenie się stało się obiecującą techniką klasyfikacji obrazów od poziomu indywidualnego do poziomu piksela. Głównym celem badania jest automatyczna identyfikacja i klasyfikacja uszkodzeń lub segmentacja docelowych struktur w tomografii komputerowej kręgosłupa z głębokim uczeniem.

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

500

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Chiny
    • Shanghai
      • Shanghai, Shanghai, Chiny, 200072

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat do 65 lat (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

uwzględnieni zostaną pacjenci z cienkowarstwową tomografią rdzenia kręgowego pokrywającą docelowy poziom.

Opis

Kryteria przyjęcia:

- cienkowarstwowe TK kręgosłupa

Kryteria wykluczenia:

  • medale lub inne implanty wywołują artefakty
  • słaba jakość obrazu

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
tomograf cienkowarstwowy
Cienkowarstwowy tomograf komputerowy będzie ręcznie oznaczany i używany do trenowania, weryfikowania i testowania algorytmu głębokiego uczenia.
Test diagnostyczny: głęboka nauka
ręcznie oznakowane próbki zostaną użyte do szkolenia, walidacji i testowania algorytmu głębokiego uczenia, a następnie do przeprowadzenia automatycznej klasyfikacji.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
dokładność klasyfikacji
Ramy czasowe: 1 dzień
dokładność klasyfikacji (np. obszar pod krzywą itp.)
1 dzień
dokładność segmentacji
Ramy czasowe: 1 dzień
dokładność segmentacji wielu struktur (np. Wynik na kostce itp.)
1 dzień

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Shanghai 10th People's Hospital

Współpracownicy

Third Affiliated Hospital, Sun Yat-Sen University

Śledczy

  • Główny śledczy: Shisheng He, M.D., Shanghai 10th People's Hospital

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

22 lutego 2019

Zakończenie podstawowe (Oczekiwany)

1 maja 2020

Ukończenie studiów (Oczekiwany)

1 maja 2020

Daty rejestracji na studia

Pierwszy przesłany

16 listopada 2018

Pierwszy przesłany, który spełnia kryteria kontroli jakości

29 grudnia 2018

Pierwszy wysłany (Rzeczywisty)

2 stycznia 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

12 maja 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

10 maja 2020

Ostatnia weryfikacja

1 maja 2020

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • SHSY180624

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj