Algorytmy rekonstrukcji głębokiego uczenia się w podwójnym CTA o niskiej dawce
16 kwietnia 2024 zaktualizowane przez: Hao Tang
Ocena algorytmów rekonstrukcji głębokiego uczenia się w obrazowaniu naczyń CT z podwójną małą dawką
Celem tego badania obserwacyjnego jest ocena wpływu głębokiej rekonstrukcji obrazu na jakość obrazu i skuteczność diagnostyczną podwójnej CTA w niskiej dawce.
Głównym pytaniem, na które ma odpowiedzieć, jest zbadanie wykonalności głębokiej rekonstrukcji obrazu w CTA o podwójnej niskiej dawce.
Przegląd badań
Status
Rekrutacyjny
Warunki
Interwencja / Leczenie
Szczegółowy opis
- Uwzględniono surowe dane od pacjentów, którzy przeszli CTA głowy i szyi, CTA naczyń wieńcowych i CTA jamy brzusznej, zarówno w grupie otrzymującej standardową dawkę, jak i w grupie z podwójną małą dawką.
- Zastosowano takie techniki, jak filtrowana projekcja wsteczna, rekonstrukcja iteracyjna i rekonstrukcja metodą głębokiego uczenia się.
- Wykonalność rekonstrukcji głębokiego uczenia się w CTA z podwójną małą dawką oceniano w oparciu o jakość obrazu i skuteczność diagnostyczną.
Typ studiów
Obserwacyjny
Zapisy (Szacowany)
1200
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Kontakt w sprawie studiów
- Nazwa: Youfa M Tang, Doctor
- Numer telefonu: 8613554101223
- E-mail: 1525573397@qq.com
Kopia zapasowa kontaktu do badania
- Nazwa: Tan, Doctor
- Numer telefonu: 86 159 2631 4149
- E-mail: 1655118783@qq.com
Lokalizacje studiów
-
-
Hubei
-
Wuhan, Hubei, Chiny, 430000
- Rekrutacyjny
- Tongji Hospital affiliated to Tongji Medical College of Huazhong University of Science and Technology
-
Kontakt:
- Youfa M Tang
- Numer telefonu: +8613554101223
- E-mail: 1525573397@qq.com
-
-
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
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Tak
Metoda próbkowania
Próbka prawdopodobieństwa
Badana populacja
Zdrowi lub chorzy dorośli poddawani obrazowaniu naczyń za pomocą tomografii komputerowej
Opis
Kryteria przyjęcia:
- Pacjenci z CTA głowy i szyi, CTA tętnic wieńcowych i CTA jamy brzusznej z powodu udaru, choroby niedokrwiennej serca i choroby zapalnej jamy brzusznej oraz guzów jamy brzusznej.
Kryteria wyłączenia:
- Wiek <18 lat, ciąża, reakcja alergiczna na jodowy środek kontrastowy, niewydolność nerek i ciężka nadczynność tarczycy.
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 |
|---|---|
|
Standardowa grupa dawek
Uwzględniono surowe dane od 400 pacjentów z konwencjonalną dawką CTA głowy i szyi, CTA tętnic wieńcowych i CTA jamy brzusznej.
Przeprowadzono filtrowaną projekcję wsteczną, iterację i rekonstrukcję głębokiego uczenia się.
Ocena wpływu rekonstrukcji głębokiego uczenia się na jakość obrazu i skuteczność diagnostyczną u pacjentów z CTA w dawce konwencjonalnej.
|
Rekonstrukcja obrazu metodą głębokiego uczenia się (DLIR) to nowo opracowany w ostatnich latach algorytm redukcji szumów oparty na sztucznej inteligencji.
Uczy ogromne, wysokiej jakości zestawy danych FBP, aby nauczyć się odróżniać szum od sygnału, aby selektywnie redukować szum i rekonstruować wysokiej jakości obrazy z danymi obrazu o niskiej jakości.
|
|
Grupa z podwójną niską dawką
Uwzględniono surowe dane od 800 pacjentów z niskim napięciem rurki i CTA głowy i szyi, CTA tętnic wieńcowych i CTA jamy brzusznej ze środkiem kontrastowym.
Przeprowadzono filtrowaną projekcję wsteczną, iterację i rekonstrukcję głębokiego uczenia się.
Ocena wpływu rekonstrukcji głębokiego uczenia się na jakość obrazu i skuteczność diagnostyczną u pacjentów z podwójnie niską dawką CTA.
|
Rekonstrukcja obrazu metodą głębokiego uczenia się (DLIR) to nowo opracowany w ostatnich latach algorytm redukcji szumów oparty na sztucznej inteligencji.
Uczy ogromne, wysokiej jakości zestawy danych FBP, aby nauczyć się odróżniać szum od sygnału, aby selektywnie redukować szum i rekonstruować wysokiej jakości obrazy z danymi obrazu o niskiej jakości.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Specyficzność i czułość obliczona na podstawie optymalnej wartości odcięcia krzywej charakterystyki pracy odbiornika.
Ramy czasowe: 2026.1
|
Swoistość i czułość obliczono oddzielnie dla grupy otrzymującej dawkę standardową i grupę otrzymującą podwójną niską dawkę, stosując optymalną wartość odcięcia z krzywej charakterystyki działania odbiornika, w celu porównania dokładności diagnostycznej pomiędzy obiema grupami.
|
2026.1
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Stosunek sygnału do szumu obliczony na podstawie wartości CT obrazu i szumu
Ramy czasowe: 2026.1
|
Stosunek sygnału do szumu obliczono oddzielnie dla grupy otrzymującej standardową dawkę i grupy otrzymującej podwójną niską dawkę, wykorzystując wartości obrazu CT i szum, aby ocenić jakość obrazu pomiędzy obiema grupami.
|
2026.1
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Śledczy
- Główny śledczy: Hao Tang, Doctor, Tongji 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 czerwca 2023
Zakończenie podstawowe (Szacowany)
1 grudnia 2025
Ukończenie studiów (Szacowany)
1 marca 2026
Daty rejestracji na studia
Pierwszy przesłany
11 kwietnia 2024
Pierwszy przesłany, który spełnia kryteria kontroli jakości
16 kwietnia 2024
Pierwszy wysłany (Rzeczywisty)
18 kwietnia 2024
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
18 kwietnia 2024
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
16 kwietnia 2024
Ostatnia weryfikacja
1 kwietnia 2024
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
- 102122
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Opis planu IPD
Aby chronić prywatność uczestników, odpowiednie dane nie są udostępniane do czasu uzyskania zgody uczestników
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 .