- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06818175
Badanie fizykalne, statyczna i dynamiczna ocena ultrasonografii oraz leczenie powięzi klatki piersiowej (TLF), za pośrednictwem bólu dolnej części pleców
Analiza uczenia maszynowego obrazów ultradźwiękowych do badania bólu mięśniowo -płciowego Thoracoleburs i skuteczności terapeutycznej hydrodysekcji (DOD) i osteopatycznego obróbki manipulacyjnej (AOA) w przypadku upośledzenia powięzi klatki piersiowej.
To badanie dotyczy naszego dalszego badania powięzi klatki piersiowej (TFL) u pacjentów z bólem dolnej części pleców i bez niego przez nasz doświadczony zespół multidyscyplinarny:
Vincent Wang Phd, VT Biomedical Engineering & Mechanics (Beam). Albert J Kozar Do, Faoasm, R-MSK. P. Gunnar Brolinson, DO, FAOASM, FAOCFP. David T. Redden, VCOM Research Biostatistician. Matthew Chung Do, VCOM i lekarz zespołu w Virginia Tech. Dr Edward Magalhaes, LPC, Psychiatry and Neuro- Behavioral Sciences, VCOM.
Ta oferta dotyczy specjalnie naszych odnowionych wysiłków za pośrednictwem dwóch, Departamentu Obrony (DOD) i American Osteopathic Association (AOA), pozamursyjnie, jednocześnie finansowanymi dotacjami na podobne, ale odrębne projekty. Oba źródła finansowania są świadome sobie nawzajem finansowania i zatwierdziły swoje badanie dotacji, które przyspieszają jednocześnie z pewną integracją.
DOD: Analiza uczenia maszynowego obrazów ultradźwiękowych do badania bólu mięśniowo -powięziowego i skuteczności terapeutycznej hydrodyssekcji.
Podstawowymi celami proponowanego projektu jest:
- Opracuj niezawodne, ilościowe podejścia do analizy obrazu, aby obiektywnie odróżnić obrazy od pacjentów z ostrym lub przewlekłym bólem TLF od tych bez bólu i
- Aby ocenić wstępną skuteczność kliniczną hydrodysekcji TLF jako nowatorskiego leczenia terapeutycznego przewlekłego LBP.
AOA: Ocena skuteczności terapeutycznej OMT na przewlekłego bólu dolnej części pleców: zintegrowana analiza ustępowa i uczenia maszynowego w zakresie utratyzienia powięzi klatki piersiowej.
Podstawowymi celami proponowanego projektu jest:
- Oceń wstępną skuteczność kliniczną OMT jako terapeutyczne leczenie CLBP pochodzenia TLF i
- Opracuj niezawodne, ilościowe podejścia do analizy obrazu, aby obiektywnie odróżnić obrazy od pacjentów z bólem TLF od tych bez bólu.
Projekty te będą podzielić 50 bez podmiotów LBP jako kontrole. Badanie DOD obejmie 50 ostrego LBP i 50 CLBP. Badanie AOA obejmie 50 CLBP.
W tym projekcie wykorzystuje standardowe ankiety, badanie fizykalne, testy funkcjonalne i obrazowanie ultradźwiękowe, aby uzyskać oba obrazy statyczne TLF w wielu strefach przejściowych. Następnie wykorzystuje ultradźwięki do oceny dynamicznego ruchu szybowania, za pomocą pętli Cine, tej powięzi w 2 różnych ruchach ciała u osób z ostrym bólem dolnej części pleców (ALBP), z przewlekłym bólem dolnej części pleców (CLBP) i bez bólu dolnej części pleców (WLBP (WLBP (WLBP (WLBP ). Wszystkie obrazy zostaną analizowane klinicznie i dalej oceniane za pomocą analizy tekstur i uczenia maszynowego. Pacjenci z CLBP (tylko) zdecydują się wziąć udział w jednym z dwóch badań (DOD vs AOA) w momencie zgody.
Wszystkie obrazy zostaną analizowane klinicznie i dalej oceniane za pomocą analizy tekstur i uczenia maszynowego. Pacjenci z CLBP (tylko), w których stwierdzono upośledzenie poślizgu TLF lub pozytywne manewry badań fizykalnych sugerujących TLF jako etiologię wejdą w ramię leczenia wybranego badania w momencie zgody, albo hydrodyssekcję skierowaną na ultradźwiękowe (USGH), lub osteopatyczne manipulacyjne leczenie terapia manipulacyjna (OMT). Po otrzymaniu 3 zabiegów z wykorzystaniem jednego z tych modalności uczestnicy CLBP będą mieli powtarzające się standardowe badania, badanie fizykalne, testy funkcjonalne i oceny obrazowania ultradźwiękowego przy 2,4,6,12 i 24 tygodnie po leczeniu.
Na zakończenie tego projektu badacze oczekują, że opracowali, udoskonalili i wdrożyli solidne i wykonalne podejścia eksperymentalne i obliczeniowe, które można dalej rozszerzyć w badaniach na większą skalę. Opracowanie naszych modeli komputerowych opartych na danych do obiektywnej analizy obrazów ultrasonograficznych TLF ma wysoki potencjalny wpływ, ponieważ ma na celu przekształcenie oceny integralności, obrażeń i gojenia TLF poprzez ustanowienie wiarygodnych biomarkerów obrazowania w USA. Badacze przewidują, że opracowane narzędzia będą miały szeroką użyteczność do oceny różnych metod leczenia klinicznego TLF. Śledczy mają również nadzieję, że potwierdzi manewry badań fizykalnych, które mogą przewidzieć LBP za pośrednictwem TLF i mieć wstępne dowody skuteczności hydrodysekcji i OMT w LBP za pośrednictwem TLF.
W dążeniu do tych celów badacze przyjmą innowacyjne podejście z solidną integracją obrazowania klinicznego, badania fizykalnego, bólu i wyników funkcjonalnych, analizy obrazu ilościowego i analiz uczenia maszynowego.
Specyficzny cel 1: Porównaj charakterystykę obrazowania Sonograficznego TLF u osób z ostrym i przewlekłym bólem z osobami bez bólu kręgosłupa.
Specyficzny cel 2: Opracuj algorytm klasyfikacji uczenia maszynowego (ML), aby niezawodnie odróżnić nieprawidłową tkankę mięśniowo -powięziową w ostrych i przewlekłych stadiach bólu ze zdrowej tkanki.
Konkretny cel 3:
Badanie DOD: Oceń wstępną skuteczność terapeutyczną hydrodysekcji jako nowatorskie leczenie bólu TLF przy użyciu ilościowego obrazowania w USA i narzędzi ML.
Badanie AOA: Oceń wstępną skuteczność terapeutyczną OMT jako leczenie CLBP przy użyciu ilościowego obrazowania w USA i narzędzi ML.
Przegląd badań
Status
Szczegółowy opis
Przed opracowaniem randomizowanego badania przy użyciu hydrodysekcji z obrazowaniem ultrasonograficznym lub zastosowaniem OMT do LBP za pośrednictwem TLF badacze muszą wykazać związek charakterystyk obrazowania z LBP za pośrednictwem TFL.
Badacze chcą również wydobywać dane z USA TFL w celu dalszego opracowania nieklinicznych metod oceny obrazu w USA poprzez analizę tekstur i uczenia maszynowego.
Badacze przeprowadzą dwa różne badania pilotażowe, prospektywne (pojedynczy czynnik, powtarzany projekt miary), które będą miały wspólną populację bezobjawową i podobną ocenę obrazu (oparte na badaniach i badaniach) oraz protokoły oceny funkcjonalnej w celu poszukiwania biomarkerów TLF w ostrej i ostrej i Przewlekły LBP. Pacjenci z CLBP w każdym badaniu (różne populacje) przejdą ramię leczenia pilotażowego w AIM 3:
- Hydrodysekcja (badanie DOD) w celu obróbki upośledzenia ślizgania się TLF w CLBP
- OMT (badanie AOA) do leczenia upośledzenia szybkości TLF w CLBP
Oba badania wykorzystują synergiczny potencjał obrazowania ilościowego (w tym ultradźwięki w skali szarości, elastografię fali ścinającej i podejścia obliczeniowe, takie jak analiza tekstury) w połączeniu ze sztuczną inteligencją w celu ustalenia biomarkerów obrazowania TLF krytycznych dla oceny skuteczności OMT lub hydrodysekcji w CLBP. Narzędzia te mogą służyć jako wsparcie decyzji klinicznych w identyfikacji, diagnozie, leczeniu i monitorowaniu bólu dolnej części pleców.
Badacze scharakteryzują prezentację ultrasonograficzną TLF, statycznie i dynamicznie w obu populacjach badawczych:
- objawowe (CLBP) i osoby bezobjawowe (AIM 1 AOA) i
- W objawowych (CLBP i ALBP) i bezobjawowych osobach (AIM 1 DOD)
Wszyscy badani będą wygodną próbą mężczyzn i kobiet w wieku 18-50 lat.
Po uzyskaniu świadomej zgody w obu badaniach osoby wypełnią następujące standaryzowane kwestionariusze związane z bólem i zatwierdzone przez IRB badanie specyficzne kwestionariusze demograficzne/historyczne przed przejściem do obrazowania w USA:
- Specyficzne dla badań, IRB zatwierdzone kwestionariusz demograficzny dla danych demograficznych i historii medycznej;
- Kwestionariusz aktywności fizycznej Baeke;
- Oswestry Kwestionariusz niepełnosprawności bólu pleców;
Wizualna skala bólu analogowego: Wong-Baker zmierzy się z skalą oceny bólu
Ocena biopsychospołeczna:
- 7-elementowa ocena uogólnionego zaburzenia lękowego (GAD-7) w celu oceny lęku;
- 9-elementowy kwestionariusz zdrowia pacjenta (PHQ-9) w celu oceny depresji.
- 8-elementowy kwestionariusz funkcjonowania społecznego (SFQ) w celu oceny funkcjonowania społecznego podmiotów.
Wszystkie trzy narzędzia to kwestionariusze zgłaszające własne, które są bezpłatne, niezawodne i ustalone narzędzia badań przesiewowych.
Te instrumenty ankietowe będą administrowane na początku (AIM 1), a przy 2, 4, 6, 12 i 24 tygodniu po leczeniu (AIM 3: badanie kliniczne). Wszystkie te instrumenty są powszechnie wykorzystywane w badaniach LBP.
Kwestionariusz demograficzny, wypełniony przez temat, ale przejrzany przez badacza z podmiotem, uzyska od wszystkich osób następujące informacje: wiek, płeć, wskaźnik masy ciała (BMI), obrażenia MSK lub operacja kręgosłupa i/lub tułowia, Historia chirurgiczna brzucha, historia uszkodzenia pleców, historia ciąży, historia LBP i poziom codziennej aktywności fizycznej (patrz załączony kwestionariusz demograficzny). Kwestionariusz demograficzny będzie podawany dopiero na początku badania po uzyskaniu świadomej zgody.
Wszyscy pacjenci w obu badaniach zakończą następujące oceny egzaminu funkcjonalnego 1. Sieć i zasięgaj testu (w celu kwantyfikacji elastyczności ścięgna ścięgna i dolnej części pleców);
Badani będą następnie poddawać statyczne obrazowanie w USA ich TLF. Obrazowanie w USA będzie przeprowadzane przez DRS CO-IS. Kozar wspomagany przez studia medycyny sportowej (PGY4 lub 5) lub osteopatyczne mieszkaniec medycyny nerwowo -szkieletowej (PGY4 lub 5).
Przedmiotów poddadzą się dynamicznym obrazowaniu w USA ich TLF. Obrazowanie amerykańskie zostanie przeprowadzone przez dr Kozara wspomaganego przez studia medycyny sportowej (PGY4 lub 5) lub mieszkańca medycyny nerwowo -szkieletowej (PGY4 lub 5).
TLF SLIDE będzie oceniany przez ultradźwięki w trzech pozycjach:
- Podniesione zgięcie na zmotoryzowanym stole
- Podatna aktywna prosta noga
Wszystkie oceny ultradźwiękowe będą podawane na początku (AIM 1) oraz o 2, 4, 6, 12 i 24 tygodniu po leczeniu (AIM 3: badanie kliniczne).
Pomiary protokołu obrazowania ultradźwiękowego: Ocena obrazu statycznego:
- Obrazy uzyskano przy użyciu Supersonicznego Macha 30 (Hologic Inc, France) przy użyciu ultraszybkiego obrazowania Sonicsoftware z liniową sondy o szerokości 50 mm, 5-18 MHz.
- Podczas każdej sesji obrazowej w skali szarości (GS), Power Doppler (PD) i elastografia ultrasonograficzna Sheer-Wave (SWE) będą wykorzystywane i rejestrowane jednocześnie przy użyciu technologii oprogramowania TIVU Supersonic w celu uzyskania widoków podłużnych i poprzecznych 31 pozycji sondy resesyjnych kluczy do reseksywacji Strefy przejściowe pacjentów TLF (ryc. 2). Lokalizacje te zostały wybrane, aby najlepiej próbkować wiele kluczowych obszarów transferu obciążenia i stabilizacji funkcjonalnej w strefach przejściowych różnych przywiązań TLF. Każda pozycja sondy będzie miała 1 skalę szarości (tryb B), 1 doppler mocy i 2 obrazy elastografii fali ścinającej (po 5-sekundowym czasie równowagi). W sumie śledczy uzyskają 124 statyczne obrazy na sesję skanowania na pacjenta. (Patrz Rysunek 2)
Do oceny wszystkich obrazów statycznych zostaną wykorzystane kliniczne kryteria oceny USA:
- Echogeniczność TLF (tylko obrazy GS)
- Grubość TLF (tylko obrazy GS)
- Marginalne rozmycie (tylko obrazy GS)
- Przepuklina powięziowa (tylko obrazy GS)
- Liniowość powięzi (tylko obrazy GS)
- Doppler pozytywność (tylko obrazy PD)
- Sztywność (tylko obrazy SWE)
Analiza tekstur i analiza uczenia maszynowego zostaną wykorzystane do oceny wszystkich obrazów:
- 1. zamówienie, 2. zamówienie i wyższe zamówienie (np. Analiza blob i analiza długości uruchomienia) Parametry tekstury zostaną obliczone dla każdego obrazu
- Algorytmy uczenia maszynowego zostaną przeszkolone w celu identyfikacji TLF na każdym obrazie i odróżnienia go od sąsiednich tkanek/struktur
- Algorytmy uczenia maszynowego zostaną przeszkolone w celu wyodrębnienia cech ilościowych z każdego obrazu i określenia, które cechy i parametry tekstury można wykorzystać do odróżnienia obrazów od pacjentów z ostrym a przewlekłym bólem a zdrową tkanką
- Algorytmy uczenia maszynowego zostaną przeszkolone do 1) klasyfikują obrazy jako przewlekły vs. ostra ból w porównaniu do zdrowej tkanki, oraz 2) przewidują bóle bólu i funkcji klinicznej w oparciu o obrazowanie przed leczeniem, ból i funkcje kliniczne
Pomiary protokołu obrazowania ultradźwiękowego: Dynamiczna ocena obrazu:
... Wszystkie dynamiczne pętle cine uzyskane na GE Logiq S8 US, liniowa macierz ML6-15 sonda @15 MHz, z 3 punktami ogniskowymi w TLF. Nagrania ultrasonograficzne tylnej warstwy TLF uzyskano dwustronnie, jak opisano poniżej:
- Zarejestrowano pięć cykli zgięcia tułowia podatnego na 20 stopni (PTF) indukowanych przez zmotoryzowany tabelę, z sondą skoncentrowaną pionowo na mięśniach paraspinalnych L3-L4.
- Pięć cykli 12-calowych aktywnych prostych nóg (PASLR), kontralateralnych i ipsilateralnych, zarejestrowano z sondy skoncentrowanej pionowo na mięśniach paraptacyjnych T12-L1.
Pojedynczy badacz przeanalizował nagrywania Cine za pomocą oprogramowania Tracker. Maksymalny ruch względny obliczono w kierunkach czaszka-pochłaniowych i przednich-tylnych, uśredniono i zgłoszono jako średnie separactwo ślizgowe i średnie warstwy. Liniowy model mieszanego efektu zastosowano do porównania stanu bólu, płci, wieku, strony ciała, BMI i rodzaju ruchu. Testy t zastosowano do oceny średnich/maksymalnych porównań ślizgowych.
Wszystkie dynamiczne oceny ultrasonograficzne TLF będą podawane na początku (AIM 1) oraz w 2, 4, 6, 12 i 24 tygodniu po leczeniu (AIM 3: badanie kliniczne).
Osoby, które wchodzą w AIM 3, będą również miały następujące oceny egzaminu klinicznego: wspólne manewry egzaminu klinicznego LB składające się z:
- Supine: prosta noga (lustrzysta - pasywny), pchnięcie uda (TT), Aktywne podwyższenie nogi (ASLR) i opuszczanie nóg pojedynków (DLL)
- Podatna: rozszerzenie bioder (HE), Test Yoamans (Y), pasywne przedłużenie lędźwiowego (PLE - za pomocą każdej nogi), podatne naciśnij (PPU - aktywne rozszerzenie lędźwiowe) i aktywne podwyższenie prostej nogi (ASLRP) w & w/o tlf Wstępna stres; Podatny wzór wypalania silnika przedłużenia bioder głębokiego sakralnego pośladka maksyma (DSG), podatna wytrzymałość na przedłużenie bioder (phes) W & s/out Windynowanie/lista przedtresowa, podatna siła rotacji bioder (phers) W & s/out/wyniesienie/ Lista przedtresowa.
- Tylko badanie AOA: Osteopatyczna ocena strukturalna, składająca się z obszaru największego badania badań przesiewowych, a następnie segmentowej diagnozy dysfunkcji somatycznej w 3-5 regionach.
Wszyscy pacjenci będą mieli oceny egzaminu klinicznego na początku. Osoby wprowadzające AIM 3 będą miały oceny egzaminu klinicznego na każdej sesji leczenia (x3) oraz na 2, 4, 6, 12 i 24 tygodnie po leczeniu.
Ponieważ jest to badanie pilotażowe, badacze nie będą ślepe na środki.
2.6 Analiza danych: Analizy statystyczne Badacze podsumują cechy ilościowe obrazów za pomocą głównych komponentów w celu zmniejszenia wymiarowości i stworzenia niezależnych streszczeń ortogonalnych z obrazów. Korzystając z głównego składnika, badacze przeprowadzą analizę testów wariancji (ANOVA) w celu ustalenia, czy wartość średnia (np. Każdy z parametrów tekstury) różni się w zależności od grupy bólu. Ponadto badacze oszacują korelacje parametrów ilościowych amerykańskiej tekstury w modalnościach (GS, SWE i Doppler). Śledczy podsumują te powiązania przy użyciu współczynnika korelacji Pearsona i, ze względu na powtarzane pomiary wykonane w ramach indywidualnych, 95% przedziałów ufności przy użyciu bootstrappapping. Badacze przetestują również skojarzenia, wykorzystując regresje głównych składników, między ocenami klinicznymi a ilościowymi parametrami tekstury USA.
Interpretacja danych Badacze oczekują, że nasza szczegółowa analiza tekstury obrazu trzech rodzajów zdjęć amerykańskich ujawni nowe biomarkery, które wyróżniają osoby obecne z ostrym, przewlekłym lub bez bólu. Analizy statystyczne naszego kompleksowego zestawu danych (Tabela 1) będą rozwijać wiedzę o tym, w jaki sposób cechy obrazowania regionalne są potencjalnie powiązane z bólem i funkcją.
Specyficzny cel 2: Opracuj algorytm klasyfikacji uczenia maszynowego (ML), aby niezawodnie odróżnić nieprawidłową tkankę mięśniowo -powięziową w ostrych i przewlekłych stadiach bólu ze zdrowej tkanki. Korzystając z zestawów danych uzyskanych w określonym AIM 1, badacze zautomatyzują identyfikację TLF z otaczających tkanek w amerykańskich obrazach za pomocą segmentacji obrazu. Następnie badacze opracują techniki wyboru funkcji związane z ostrymi i przewlekłymi stadiami bólu mięśniowo -powięziowego. Wreszcie, śledczy wykorzystają algorytm ML w celu klasyfikacji (losowe lasy i przyspieszone solidne cechy (SURF)) i zidentyfikują amerykańskie cechy obrazu związane z ostrymi i przewlekłymi stadiami bólu mięśniowo-powięziowego. Wreszcie, badacze przeszkoli algorytm ML, aby sklasyfikować zdjęcia TLF na trzy klasy: 1) ostry ból, 2) przewlekły ból i 3) zdrowa tkanka. Śledczy starają się osiągnąć minimalną dokładność klasyfikacji 90%. Wszystkie proponowane analizy w AIM 2 będą oparte na zdefiniowanych obrazach ultradźwiękowych.
Segmentacja obrazów Aby zautomatyzować identyfikację i izolację TLF na zdjęciach w USA, badacze będą korzystać zarówno z komercyjnego oprogramowania do segmentacji, jak i algorytmów segmentacji głębokiego uczenia się. Dzięki aplikacji Matlab Image Segmenter badacze zastosują klasterowanie K-średnich i segmentację regionu w celu zidentyfikowania granicy TLF oraz do identyfikacji regionów hiperekoicznych i hipoechoicznych/blobów na każdym obrazie. Śledczy wykorzystają również uczenie się transferu w celu dostosowania w pełni konwolutnych sieci (FCN), które zostały przeszkolone do segmentacji naturalnych obrazów. Śledczy szkolą te FCN za pomocą biblioteki głębokiej uczenia się w Pytorch dla Pythona i podzbioru obrazów TLF ręcznie podzielonych na poziomie piksela przez przeszkolonego klinicystę. Wyniki każdego algorytmu zostaną zatwierdzone przez ręczną identyfikację TLF przez wyszkolonego klinicystę.
Dla każdego obrazu granica TLF zidentyfikowana przez algorytm segmentacji zostanie zastosowany w technice analizy tekstur QUS zamiast ręcznego definiowania ROI do analizy pikseli. Badacze ocenią jakość segmentacji, mierząc wskaźnik przecięcia-przeniesienia (IOU), który porównuje część obrazu zidentyfikowanego jako ROI zarówno przez klinicystę, jak i algorytm. Celem śledczych jest zidentyfikowanie algorytmu, który osiąga co najmniej 75% IOU, który znajduje się nieco poniżej najwyższych wyników IOU osiągniętych dzięki dużym naturalnym zestawom danych obrazu.
Wybór funkcji Algorytm losowego lasu (RF) zostanie zastosowany do biblioteki funkcji obrazu uzyskanej z obrazów uzyskanych w AIM 1 do określenia zestawu charakterystyk obrazu, które są biomarkerami dla 1) ostrego bólu mięśniowo -powięziowego i 2) przewlekłego bólu mięśniowo -powięziowego, w porównaniu z Zdrowa tkanka. Biblioteka funkcji będzie składać się z 7 klinicznych kryteriów klasyfikacji i 12 funkcji tekstury obrazu uzyskanych w 9 lokalizacjach anatomicznych i 2 orientacji sondy, a także z funkcji obrazu zidentyfikowanych za pomocą przyspieszonego algorytmu solidnych cech (SURF). W naszym ostatnim badaniu z powodzeniem wykorzystano SURF do zidentyfikowania „punktów zainteresowania” (np. Narożniki, krawędzie i plamy) w obrazach ścięgien, które następnie zastosowano w algorytmie klasyfikacji maszyny wektorowej (SVM) w celu odróżnienia obrazów ścięgien ścięgien od obrazów zdrowych ścięgien o dokładności 77,5%.
Obrazy zostaną podzielone na zestawy szkoleniowe i testowe, z dwiema trzecimi obrazów przeznaczonymi na szkolenie i jedną trzecią przydzieloną do testu. Funkcje (ocenianie kliniczne, parametry tekstury i cechy surfowania) zostaną wyodrębnione z obrazów. Algorytm RF będzie następnie wyszkolił wiele drzew decyzyjnych za pomocą zestawu szkoleniowego. Każde drzewo zostanie przeszkolone w losowo wybranym podzbiorze funkcji. Algorytm RF będzie trenował drzewa, aby sklasyfikować obrazy jako jedną z trzech klas: 1) zdrowa tkanka, 2) przewlekły ból mięśniowo -powięziowy lub 3) ostry ból mięśniowo -powięziowy. Algorytm RF zapewnia następnie ranking tego, jak często cechy są używane na wyszkolonych drzewach. Ranking funkcji zostanie użyty do określenia 10 najlepszych funkcji, które wskazują na każdą klasę, a zatem mogą służyć jako biomarkery. Wyszkolony algorytm RF zostanie następnie uruchomiony na zestawie testowym obrazów, a dokładność prognozowania modelu zostanie wykorzystana do oceny skuteczności wybranych funkcji. Aby zmierzyć skuteczność wyboru funkcji, badacze porównują dokładność testu klasyfikatorów przy użyciu wszystkich funkcji do klasyfikatorów przy użyciu tylko wybranych funkcji. Jeśli wybrane funkcje są rzeczywiście najbardziej istotne, dokładność wyszkolonego modelu powinna być podobna lub lepsza niż w przypadku modelu przeszkolonego na pełnym zestawie funkcji. Naszym celem jest osiągnięcie co najmniej 90% dokładności modelu przeszkolonego bez wyboru funkcji.
Klasyfikacja obrazu Badacze najpierw zaktualizują nasze dwa istniejące algorytmy klasyfikacji ML (SVM i CNN), aby niezawodnie rozróżnić nieprawidłową tkankę mięśniowo -powięziową w przewlekłych i ostrych stadiach bólu ze zdrowej tkanki za pomocą GS, SWE i Power Doppller obrazów AIM 1. Obrazy obrazów AIM 1. być podzielone na zestawy szkoleniowe i testowe, z dwiema trzecimi obrazów przydzielonymi na szkolenie i jedną trzecią przydzielone do testu, a wszystkie obrazy z każdego pacjenta utrzymywały się w tym samym zestawie. Zestaw treningowy zostanie oznaczony jako zdrowa tkanka, przewlekły ból mięśniowo -powięziowy lub ostry ból mięśniowo -powięziowy w oparciu o ocenę kliniczną. CNN będzie trenował bezpośrednio na zestawie treningowym obrazów, podczas gdy dla SVM obrazy zostaną wstępnie przetworzone przy użyciu surfowania do wyodrębnienia funkcji obrazu (np. Narożniki, krawędzie i plamy). SVM będzie następnie trenował te wyodrębnione funkcje. Dokładność, swoistość i czułość każdego algorytmu zostaną zgłoszone jako macierz zamieszania poprzez porównanie klasyfikacji obrazów testowych przez algorytm z ich prawdziwą klasą.
Następnie badacze poprawi dokładność algorytmu SVM poprzez nowe techniki ML i włączenie funkcji zidentyfikowanych za pomocą naszego algorytmu selekcji funkcji. Aby zoptymalizować nasze algorytmy klasyfikacji, badacze będą kontynuować badanie dodatkowych klasycznych metod ML i głębokiego uczenia się. Ostatnie wyniki wykazały siłę modeli uwagi neuronowej do segmentacji semantycznej. Ponadto badacze użyją słabo nadzorowanych metod uczenia się w celu włączenia funkcji zidentyfikowanych za pomocą naszych algorytmów wyboru funkcji do procesu uczenia się. Te słabo nadzorowane metody uczenia się pomogą zająć się wyzwaniem ML polegającym na szkoleniu z ograniczonymi oznaczonymi przykładami, co stanowi problem powszechny w wielu zadaniach obrazowania medycznego.
Specyficzny cel 3: Oceń skuteczność terapeutyczną hydrodysekcji jako nowatorskie leczenie bólu TLF przy użyciu ilościowego obrazowania w USA i narzędzi ML.
Śledczy przeprowadzą pilotażowe, prospektywne badanie przezskórne, skierowane przez ultradźwięk hydrodysekcji jako efekt leczenia w czasie. Badani z przewlekłym LBP przejdą w USA obrazowanie i oceny funkcjonalne, jak opisano w AIM 1 przed i po hydrodyssekcji TLF w 2 lokalizacjach dwustronnie. Badacze wykorzystają wyszkolone algorytmy SVM i CNN opracowane w AIM 2 do klasyfikacji podłużnych zdjęć w USA uzyskanych po leczeniu hydrodyssekcji w kategoriach zdrowej, ostrej lub przewlekłej. Badacze hipotezują, że pacjenci leczeni z hydrodysekcją będą wykazywać zmniejszenie LBP, przywrócenie zdolności funkcjonalnych oraz biomarkery obrazowe w USA zgodne ze stanem bezbolesnym (w porównaniu z ostrym lub przewlekłym bólem).
Klinicznie, CO-IS Kozar i Brolinson od kilku lat wykorzystywały techniki hydrodyssekcji do leczenia bólu ścięgien, nerwów i pleców. W szczególności hydrodysekcja tkanek powięziowych, takich jak pasmo biodru (IT) i TLF, zapewnia znaczące i długoterminowe złagodzenie zespołów bólu (niepublikowane doświadczenie kliniczne CO-IS). Literatura na temat hydrodysekcji ścięgien (skrobanie ścięgien) i hydrodysekcji nerwów gwałtownie się rozwija w ostatnich latach; Jednak istnieje niewiele danych na temat stosowania hydrodyssekcji jako leczenia bólu dolnej części pleców. Hydrodysekcja stanowi przewagę dla pacjentów, którzy mogą nie reagować na terapie ręczne (masaż i manipulacja kręgosłupem), a także standardowe podejścia fizykoterapii. Proponowane badanie byłoby jednym z pierwszych, które zbadają wpływ hydrodysekcji na TLF i LBP.
Analizy ML i statystyczne Badacze będą wykorzystywać wyszkolone algorytmy SVM i CNN opracowane w celu sklasyfikowania de-zidentyfikowanych, podłużnych obrazów amerykańskich nabytych po obróbce hydrodyssekcji w kategoriach CLBP, ALBP i WLBP. Badacze porównają tę prognozę z prawdziwą klasą badanych na podstawie oceny klinicznej i określi dokładność, swoistość i czułość naszego algorytmu w monitorowaniu odpowiedzi na leczenie hydrodyssekcji. Badacze będą również trenować oddzielne modele SVM i CNN, aby przewidywać wyniki bólu i funkcji klinicznej pod leczeniem w oparciu o wyniki obrazowania przed leczeniem, ból i funkcje kliniczne. Ta strategia umożliwi opracowanie narzędzia ML, które może przewidzieć odpowiedź pacjenta na hydrodyssekcję przed leczeniem.
Badacze wykorzystają liniowe modele mieszane do przetestowania zmian w czasie w wynikach bólu i obrazowania od wartości wyjściowej do 24 tygodni. Badacze zaprogramują wszystkie analizy przy użyciu oprogramowania do analizy SAS 9.4 i R (4.1.2), Zapisywanie i dokumentowanie całej składni, aby umożliwić rozmnażanie i replikację wszystkich wyników. Oczekujemy, że dane z tego badania pilotażowego pokażą powiązanie charakterystyk obrazowania z LBP, dostarczają wstępnych dowodów na złagodzenie bólu od hydrodyssekcji i oszacować kluczowe elementy wariancji, które są potrzebne do opracowania dobrze zasilanego i uzasadnionego randomizowanego badania.
Badacze podsumują wszystkie zmienne demograficzne i wyniki kliniczne, stosując opisowe miary centralnej tendencji i dyspersji. W przypadku zmiennych ciągłych badacze będą mierzyć centralną lokalizację za pomocą średniej próbki i dyspersji przez odchylenie standardowe. W przypadku zmiennych kategorycznych badacze podsumują za pomocą proporcji. W przypadku ciągłych wyników takich wyników bólu, testu zasięgu, a także danych ilościowych obrazowania, liniowe modele mieszane zostaną zastosowane do pomiaru efektu leczenia w czasie. Zwróci się ostrożność na założenie normalności, które zostanie zbadane przy użyciu histogramów i wykresów normalnych prawdopodobieństwa. Jeżeli założenie normalności wydaje się naruszone lub są obecne wartości odstające, śledczy zastosują transformacje. D Cohena zostanie obliczone dla wszystkich wyników w celu oszacowania wielkości efektu leczenia i pomocy w opracowaniu przyszłych badań.
Śledczy wykorzystają narzędzia badań psychospołecznych jako miernik:
- Pierwszy test pomógłby ustalić linię bazową (test wstępny)
- Po testowaniu ankiet mają na celu ocenę, jeśli badani wykazują poprawę lęku, depresji i funkcjonowania społecznego, jak (miejmy nadzieję), widzą poprawę ich biologicznych zabiegów
- Kwestionariusz demograficzny zadaje jedno pytanie każdego przedmiotu, po prostu pytając, czy już widzą/korzystają z terapeuty zdrowia psychicznego (psychiatra, psychologa lub doradcy). Śledczy założą, że te przedmioty byłyby lub są nauczani narzędzi, aby lepiej radzić sobie z wszelkimi lękiem, depresją lub innymi funkcjami społecznymi. Badacze porównują odpowiedzi ankietowe między osobami z terapią przed terapią bez terapii, jeśli liczby są odpowiednie.
Typ studiów
Zapisy (Szacowany)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Albert J Kozar, DO, FAOASM, R-MSK, =
- Numer telefonu: 540-232-8405
- E-mail: TLFstudy@gmail.com
Kopia zapasowa kontaktu do badania
- Nazwa: Nicole Fremarek, DO
- Numer telefonu: 540-232-8405
- E-mail: TLFstudy@gmail.com
Lokalizacje studiów
-
-
Virginia
-
Blacksburg, Virginia, Stany Zjednoczone, 24060
- Rekrutacyjny
- Edward Via College of Osteopathic Medicine
-
Kontakt:
- Albert J Kozar, DO, FAOASM, R-MSK, Doctor of Osteopathic Medicine
- Numer telefonu: 540-232-8405
- E-mail: TLFstudy@gmail.com
-
Główny śledczy:
- Albert J Kozar, DO, FAOASM, R-MSK
-
Główny śledczy:
- Vincent Wang, PhD
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia:
- Wszystkie w wieku 18–50 lat bez bólu pleców (LBP); Ostry LBP (<3 miesiące); lub przewlekły LBP (> 3 miesiące)
Kryteria wykluczenia:
- Alergia na żel ultradźwiękowy - względny, rozważ alternatywy
- BMI:> 30
- Ciąża lub karmienie piersią: aktualny lub odległy, w ciągu ostatnich 6 miesięcy
- Operacja kręgosłupa: Historia dolnego kręgosłupa klatki piersiowej lub lędźwiowej: w ciągu ostatniego roku, o ponad jednym poziomie sprzętu. (Wcześniejsza mikrodiscektomia jednopoziomowa, laminektomia lub fuzja, która jest stabilna przez 1 rok lub większy, nie jest wykluczone)
- Obecny ból dolnej części pleców (LBP) lub obrażenia: wystarczająco ciężkie do 1) Ogranicza czynności codziennego życia, 2) ogranicza zdolność do pracy do mniej niż 8-godzinnego dnia, 3) niezdolna do położenia poduszki pod poduszką pod ich brzuchem/ miednica przez 30-45 minutowe odstępy
- Historia patologii kręgosłupa: Anklujące zapalenie stawów kręgosłupa, reumatoidalne zapalenie stawów lub inne choroby reumatyczne, guz kręgosłupa lub zakażenie kręgosłupa
- Kortykosteroidy: zastrzyki do leków dolnej lub ogólnoustrojowej w ciągu ostatnich 3 miesięcy. Musi być w stanie zaprzestać zastrzyków i/lub leków kortykosteroidowych podczas badania
- Zastosowanie leków, których nie można przerwać w celu badania: antykoagulanty, odpoczynek mięśni
- Interwencje terapii fizycznej lub ręcznej: w ciągu ostatnich 90 dni: fizjoterapia, akupunktura lub terapia punktowa, każdy rodzaj medycyny ręcznej lub inne leczenie nadwozia
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Diagnostyczny
- Przydział: Nielosowe
- Model interwencyjny: Przydział równoległy
- Maskowanie: Brak (otwarta etykieta)
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Hydrodyssekcja upośledzenia ślizgania TLF kierowanego przez nas
Badani CLBP z udokumentowanym upośledzeniem ślizgania się TLF zostaną poddane serii 3 leczonych hydrodyssekcji ultradźwięków TLF w 2-3 lokalizacjach dwustronnie, obejmujące T11-S2, przy użyciu D5W (ogółem 132 cm3) i igły 22g 4 ”po 2-3 tygodniu Interwały, stosując bezpośrednie wskazówki dotyczące ultradźwięków przy użyciu sondy o wysokiej częstotliwości.
Wykonywanie ciśnienia płynu/oczyszczenie (fala płynów) jest wykorzystywana do utworzenia rozdziału płaszczyzny tkanek w przeciwieństwie do oczyszczania mechanicznego igły.
|
Wstrzyknięcie roztworu płynnego w celu oddzielenia warstw twarzy lub tkanki w ciele.
Zwykle kierowane przez ultradźwięki.
|
|
Eksperymentalny: Osteopatyczne leczenie manipulacyjne (OMT)
Badani CLBP z udokumentowanym upośledzeniem ślizgania się TLF zostaną poddane badaniu strukturalnemu badań przesiewowych pod kątem dysfunkcji somatycznej, a następnie będą leczeni przez OMT jako oparte na doświadczeniu klinicznym przy użyciu zasadnego protokołu opartego na zasadniczym. Seria 3 sesji leczenia OMT rozmieszczono w 2-tygodniowych odstępach czasu. Te same procedury zostaną zastosowane w tym badaniu, ponieważ stosujemy w naszej codziennej praktyce klinicznej. Jest to ramię leczące pilotażowe, nie zostanie użyte pozorne ani bezpośrednie oślepienie. Badani będą badać przy użyciu obszaru największego protokołu ograniczenia (AGR), jak uczy Ed Stiles (podręcznik medycyny osteopatycznej rozdz. 24 przez Stiles PP. 265-266). Po leczeniu 2-3 obszarów tą metodą egzaminator przegląda również lędźwiowe, sacrum i miednicy za pomocą standardowej oceny strukturalnej osteopatycznej (stojąca i leżąca/podatna). Dodatkowe 1-2 obszary można traktować. Zabiegi mogą obejmować dużą prędkość, niską amplitudę (HVLA), niską prędkość, wysoką amplitudę, tkankę miękką, uwalnianie mięśniowo -powięziowe i techniki manipulacji energią mięśni. |
Terapeutyczne zastosowanie sił prowadzonych ręcznie przez lekarza osteopatycznego (użycie USA) w celu poprawy funkcji fizjologicznej i/lub wsparcia homeostazy, która została zmieniona przez dysfunkcję somatyczną.
OMT stosuje różne techniki.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Ruch pasywny i aktywny ruch TLF ślizgowy
Ramy czasowe: Po ukończeniu AIM 3, po wszystkich 3 zabiegach hydrodyisekcji lub OMT, zostaną ocenione: 1) Krótkoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 6 tygodniach. 2) Długoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 24 tygodniach
|
Ruch ślizgania będzie mierzony w mm. Jako badanie pilotażowe niższy 33. percentyl ruchu zostanie uznany za upośledzenie poślizgu. Dynamiczne pętle cine uzyskuje się za pomocą
Aktywny szybki nigdy nie był badany. Śledczy będą szukać wielu właściwości ruchu poślizgu. W odniesieniu do celów 3 ramion leczenia, po wszystkich 3 zabiegach hydrodyisekcji lub OMT, zostaną zakończone:
|
Po ukończeniu AIM 3, po wszystkich 3 zabiegach hydrodyisekcji lub OMT, zostaną ocenione: 1) Krótkoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 6 tygodniach. 2) Długoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 24 tygodniach
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Manewry egzaminu fizykalnego przewidywania zaangażowania TLF u osób z CLBP.
Ramy czasowe: Pozytywne testy zostaną określone na początku. Rozdzielczość pozytywnych testów po leczeniu podmiotu CLBP zostanie ocenione na 2 -tygodniowe skany obserwacji.
|
Wszyscy pacjenci będą mieli sekwencje badań fizycznych (PE).
Wraz z kilkoma standardowymi manewrami LB, śledczy w szczególności ocenią 1) podatne aktywne podnoszenie prostej nogi (ASLRP) z testem kontrolnym zastosowanego napięcia przed stresem (napięcie powierzchowne na przyrodnie) przez tylną warstwę TLF w T12- L1 na przeciwnej, a następnie ipsalateralnej stronie nogi, która powoduje ból.
Ulga w bólu spowodowanym PASLR z obu stron przedtresu jest uważane za pozytywny test sugerujący TLF jako składnik LBP związany z upośledzeniem poślizgu.
2) Wytrzymałość na przedłużanie bioder i zewnętrzna wytrzymałość obrotowa bioder z zastosowaną sprężystą do trójkąta lędźwiowego (podnośnik) lub bocznej przegrody międzymięśniowej uda (lista).
Powrót siły do 5/5 z ipsalateralną przedtreską skoncentrowaną w regionie podnoszenia lub listy jest uważany za pozytywny test sugerujący TLF jako składnik LBP, związany z dysfunkcją TLF.
|
Pozytywne testy zostaną określone na początku. Rozdzielczość pozytywnych testów po leczeniu podmiotu CLBP zostanie ocenione na 2 -tygodniowe skany obserwacji.
|
|
Pomiary SWE w CLBP vs brak LBP
Ramy czasowe: Na początku.
|
Pomiary SWE w miernikach/drugim SWE będą mierzone w 31 lokalizacjach sondy szukających wskaźników biomarkerów, które mogą sugerować zaangażowanie TLF w CLBP.
|
Na początku.
|
|
Pomiary SWE po zabiegach u pacjentów z CLBP
Ramy czasowe: Po ukończeniu AIM 3, po wszystkich 3 zabiegach hydrodyisekcji lub OMT, zostaną ocenione: 1) Krótkoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 6 tygodniach. 2) Długoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 24 tygodniach
|
Pomiary SWE w metrach/sekundę.
SWE będzie mierzone w 31 lokalizacjach sondy szukających wskaźników biomarkerów, które mogą sugerować zaangażowanie TLF w CLBP.
Obrazy zostaną uzyskane na początku i 2,4,6,12 i 24 tygodnie po leczeniu.
|
Po ukończeniu AIM 3, po wszystkich 3 zabiegach hydrodyisekcji lub OMT, zostaną ocenione: 1) Krótkoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 6 tygodniach. 2) Długoterminowa poprawa zostanie oceniona w porównaniu do wartości wyjściowej po 24 tygodniach
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Krzesło do nauki: Gunnar Brolinson DO, FAOASM, Edward Via Colege of Osteopathic Medicine
- Główny śledczy: Albert J Kozar DO, FAOASM, R-MSK, Edward Via College of Osteopathic Medicine
Publikacje i pomocne linki
Przydatne linki
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
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
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 2023-154
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
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 .