Classificação baseada em aprendizado profundo de TC de coluna (DETECT)
10 de maio de 2020 atualizado por: Shisheng He, MD, Shanghai 10th People's Hospital
É demorado para cirurgiões de coluna ou radiologistas conduzir classificações manuais de TC de coluna, que também podem estar correlacionadas com alta variação interobservador.
Com o desenvolvimento da ciência da computação, o aprendizado profundo surgiu como uma técnica promissora para classificar imagens do nível individual ao nível do pixel.
O principal do estudo é identificar e classificar automaticamente as lesões, ou segmentar estruturas alvo na TC da coluna vertebral com aprendizado profundo.
Visão geral do estudo
Status
Desconhecido
Condições
Intervenção / Tratamento
Descrição detalhada
A tomografia computadorizada (TC) é uma das ferramentas de imagem mais importantes para auxiliar no diagnóstico e tratamento de doenças da coluna vertebral.
Classificação de alvos específicos (por exemplo,
indivíduos, lesões, etc.) é uma das missões mais comuns da análise de imagens médicas.
No entanto, é demorado para cirurgiões de coluna ou radiologistas conduzir classificações manuais de TC de coluna, que também podem estar correlacionadas com alta variação interobservador.
Com o desenvolvimento da ciência da computação, o aprendizado profundo surgiu como uma técnica promissora para classificar imagens do nível individual ao nível do pixel.
O principal do estudo é identificar e classificar automaticamente as lesões, ou segmentar estruturas alvo na TC da coluna vertebral com aprendizado profundo.
Tipo de estudo
Observacional
Inscrição (Antecipado)
500
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Shanghai
-
Shanghai, Shanghai, China, 200072
- Recrutamento
- Shanghai Tenth People's Hospital
-
Contato:
- Guoxin Fan
- E-mail: 1610707@tongji.edu.cn
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
18 anos a 65 anos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
pacientes com TC da coluna vertebral de camada fina cobrindo o nível alvo serão incluídos.
Descrição
Critério de inclusão:
- TC de camada fina da coluna vertebral
Critérios de Exclusão:
- medalhas ou outros implantes induzem artefato
- má qualidade de imagem
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
TC de camada fina
O CT de camada fina será rotulado manualmente e usado para treinar, validar e testar o algoritmo de aprendizado profundo.
|
amostras rotuladas manualmente serão usadas para treinar, validar e testar o algoritmo de aprendizado profundo e, em seguida, realizar a classificação automática.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
precisão de classificação
Prazo: 1 dia
|
precisão de classificação (por exemplo,
área sob a curva, etc.)
|
1 dia
|
|
precisão de segmentação
Prazo: 1 dia
|
precisão de segmentação de várias estruturas (por exemplo,
Pontuação de dados, etc.)
|
1 dia
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Shisheng He, M.D., Shanghai 10th People's Hospital
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
22 de fevereiro de 2019
Conclusão Primária (Antecipado)
1 de maio de 2020
Conclusão do estudo (Antecipado)
1 de maio de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
16 de novembro de 2018
Enviado pela primeira vez que atendeu aos critérios de CQ
29 de dezembro de 2018
Primeira postagem (Real)
2 de janeiro de 2019
Atualizações de registro de estudo
Última Atualização Postada (Real)
12 de maio de 2020
Última atualização enviada que atendeu aos critérios de controle de qualidade
10 de maio de 2020
Última verificação
1 de maio de 2020
Mais Informações
Termos relacionados a este estudo
Outros números de identificação do estudo
- SHSY180624
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
INDECISO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .