Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
29 czerwca 2021 zaktualizowane przez: Peking University Third Hospital
The purpose of this study is to study the injury of the anterior talofibular ligament by deep learning method and compare a variety of different deep learning models to establish a deep learning method that can accurately identify and grade the injury of anterior talofibular ligament, and obtain a model with better recognition and grading effect.
Przegląd badań
Status
Rekrutacyjny
Warunki
Interwencja / Leczenie
Szczegółowy opis
- Recognition and segmentation of anterior talofibular ligament based on DenseNet. Densenet was used to recognize the axial T2-fs image, and the image level was the most typical one. The labelimg program based on Python was used to locate the coordinates of the anterior talofibular ligament and then imported into Python for learning. All the data were divided into a training set (70%, and then 30% of the training set was selected as the verification set). The remaining 30% was used as the test set to evaluate the accuracy of model recognition. After identifying the anterior talofibular ligament, the local clipping and amplification are carried out to remove the redundant information. Finally, input the result to the next step.
- Establishment and comparison of various deep learning models: four deep learning models were established and compared in this study, namely VGG19, AlexNet, CapsNet, and GoogleNet. The models using image fitting alone and those combining with clinical physical examination data were compared for each deep learning model. The diagnostic efficiency between models was expressed by the ROC curve, including AUC, F1 score, etc. the ROC curve was further analyzed by t-test, Delong test, and other statistical methods. In this study, the data were divided into a training set (70%, 30% in the training set as the validation set), and the remaining 30% as the test set to evaluate the classification accuracy.
Typ studiów
Obserwacyjny
Zapisy (Oczekiwany)
1000
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Kontakt w sprawie studiów
- Nazwa: huishu Yuan, MD
- Numer telefonu: 15810245738
- E-mail: huishuy@bjmu.edu.cn
Kopia zapasowa kontaktu do badania
- Nazwa: Ming Ni, MD
- Numer telefonu: 13884794867
- E-mail: sdyingxiang2017@163.com
Lokalizacje studiów
-
-
Beijing
-
Beijing, Beijing, Chiny, 010
- Rekrutacyjny
- Peking University Third Hospital
-
Kontakt:
- Huishu Yuan, Dr
- E-mail: huishuy@bjmu.edu.cn
-
-
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
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Tak
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
From September 2018 to September 2020, patients underwent ankle MRI examination in the Department of Radiology, the Third Hospital of Peking University.
Opis
Inclusion Criteria:
- Without any treatment before imaging examination;
- MR of ankle joint was performed within 3 months before operation and the image quality was good;
- Arthroscopic operation was performed in our hospital and the operation records were complete.
Exclusion Criteria:
- history of ankle surgery, history of cancer or previous fractures.
- Unclear image, serious artifact or incomplete clinical data.
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 |
|---|---|
|
Normal control group-Grade 0
Arthroscopic examination of the ankle joint was normal, and the ligament was intact without injury or tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament injury -Grade 1
Arthroscopic examination of the ankle joint showed ligament degeneration or injury, but no local or complete tear.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
|
Ligament tear-Grade 2
Arthroscopy of the ankle joint revealed partial or complete loss of ligaments.
|
The results of hip arthroscopy were taken as the gold standard, and MRI examination was taken as the research object
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
Ramy czasowe: 2021.1-2022.3.1
|
The model of deep learning was obtained for diagnosis and grading of anterior fibular ligament and compared with the doctors of different grades.
|
2021.1-2022.3.1
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Śledczy
- Krzesło do nauki: huishu Yuan, MD, Peking University Third 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)
1 stycznia 2021
Zakończenie podstawowe (Oczekiwany)
30 grudnia 2021
Ukończenie studiów (Oczekiwany)
30 marca 2022
Daty rejestracji na studia
Pierwszy przesłany
28 czerwca 2021
Pierwszy przesłany, który spełnia kryteria kontroli jakości
29 czerwca 2021
Pierwszy wysłany (Rzeczywisty)
8 lipca 2021
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
8 lipca 2021
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
29 czerwca 2021
Ostatnia weryfikacja
1 czerwca 2021
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- M2020460
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
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 .