Automatyczna segmentacja policystycznej wątroby (ASEPOL)
Automatyczna segmentacja przez konwolucyjną sieć neuronową (sztuczna inteligencja - głębokie uczenie) wątrób wielotorbielowatych, jako model wielotorbielowatych wątrób
Ocena objętości wątroby przed operacją, przewidywanie objętości wątroby pozostałej po operacji, wykrywanie pierwotnych lub wtórnych zmian w miąższu wątroby to powszechne zastosowania, które wymagają optymalnego wykrywania konturów wątroby, a co za tym idzie segmentacji wątroby.
Istnieje kilka ręcznych i pracochłonnych, półautomatycznych, a nawet automatycznych technik.
Jednak ciężka patologia zniekształcająca kontury wątroby (wątroby z wieloma przerzutami...), środowisko wątroby o podobnej gęstości do wątroby lub zmiany chorobowe, technika badania CT to zmienne, które utrudniają wykrycie konturów. Obecne techniki, nawet automatyczne, są ograniczone w tego typu przypadkach (nierzadko) i najczęściej wymagają dostosowań, które powodują, że automatyzacja traci na wartości.
Wszystkie te kryteria trudności w segmentacji są zebrane w wątrobie policystozy wątrobowo-nerkowej, które w związku z tym stanowią dostosowany model badawczy do opracowania narzędzia do automatycznej segmentacji.
Aby uzyskać automatyczną segmentację dowolnej uszkodzonej wątroby, przekraczając rozważane kryteria trudności, badacze opracowali konwolucyjną sieć neuronową (sztuczna inteligencja - głębokie uczenie) przydatną w praktyce klinicznej.
Przegląd badań
Status
Interwencja / Leczenie
Typ studiów
Zapisy (Oczekiwany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Lyon, Francja, 69437
- Rekrutacyjny
- Service de radiologie - Pavillon B - Cellule Recherche imagerie, Hôpital Edouard Herriot (HCL)
-
Kontakt:
- Bénédicte CAYOT
- Numer telefonu: +33 472110400
- E-mail: benedicte.cayot@chu-lyon.fr
-
Kontakt:
- Pierre-Jean VALETTE, MD, Prof.
- Numer telefonu: +33 472117544
- E-mail: pierre-jean.valette@chu-lyon.fr
-
Główny śledczy:
- Pierre-Jean VALETTE, MD, Prof.
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Pacjenci w wieku ≥ 18 lat
- Pacjenci z policystozą wątrobowo-nerkową, z operacją lub bez
- Pacjenci z co najmniej jednym badaniem TK jamy brzusznej i miednicy bez iniekcji lub z iniekcją w okresie od 1 stycznia 2016 r. do sierpnia 2018 r.
- Pacjenci z dobrą jakością i dostępnymi obrazami
Kryteria wyłączenia:
- Pacjenci bez dostępnych obrazów tomografii komputerowej
- Pacjenci ze złą jakością obrazu tomografii komputerowej
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Sieć neuronowa Grupa szkoleniowa
Dla każdego pacjenta zostaną zebrane następujące zmienne radiologiczne, związane z każdym badaniem TK:
|
Anonimowe badania TK zostaną zweryfikowane w Lyonie, na oddziale obrazowania szpitala Edouarda Herriota, przez eksperta radiologa i stażystę ze szpitali w Lyonie.
Przeprowadzona zostanie wstępna faza szkolenia sieci sztucznej inteligencji: - Segmentacja wątroby pierwszej części badania TK, przez stażystę lyońskich szpitali Przeprowadzona zostanie wstępna faza szkolenia sieci sztucznej inteligencji: - Wykorzystanie danych komputerowych do kierowania siecią sztucznej inteligencji. |
|
Sieć neuronowa Grupa walidacyjna
Dla każdego pacjenta zostaną zebrane następujące zmienne radiologiczne, związane z każdym badaniem TK:
|
Anonimowe badania TK zostaną zweryfikowane w Lyonie, na oddziale obrazowania szpitala Edouarda Herriota, przez eksperta radiologa i stażystę ze szpitali w Lyonie.
Przeprowadzona zostanie faza walidacji narzędzia sztucznej inteligencji z segmentacją wątroby z drugiej części badań tomografii komputerowej: - Przeprowadzone przez stażystę w szpitalach w Lyonie Przeprowadzona zostanie faza walidacji narzędzia sztucznej inteligencji z segmentacją wątroby z drugiej części badań tomografii komputerowej: - Realizowane przez sieć neuronową |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Test automatycznej segmentacji przez konwolucyjną sieć neuronową na tych grupach i zebranie zbioru danych
Ramy czasowe: Po 4 miesiącach od randomizacji
|
Opracowanie narzędzia do automatycznej segmentacji wysoce dysmorficznych wielotorbielowatych wątrob jako warunku wstępnego segmentacji każdego rodzaju trudnych do segmentacji wątrob z wieloma zmianami chorobowymi, w celu ułatwienia wykrywania zmian i pomiaru objętości w praktyce klinicznej. Randomizacja pacjenta na dwie grupy danych, jedną do szkolenia, drugą do sprawdzania konwolucyjnej sieci neuronowej (sztuczna inteligencja)
|
Po 4 miesiącach od randomizacji
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Oczekiwany)
Ukończenie studiów (Oczekiwany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- ASEPOL
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .