Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
29 de junho de 2021 atualizado por: 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.
Visão geral do estudo
Status
Recrutamento
Condições
Intervenção / Tratamento
Descrição detalhada
- 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.
Tipo de estudo
Observacional
Inscrição (Antecipado)
1000
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.
Contato de estudo
- Nome: huishu Yuan, MD
- Número de telefone: 15810245738
- E-mail: huishuy@bjmu.edu.cn
Estude backup de contato
- Nome: Ming Ni, MD
- Número de telefone: 13884794867
- E-mail: sdyingxiang2017@163.com
Locais de estudo
-
-
Beijing
-
Beijing, Beijing, China, 010
- Recrutamento
- Peking University Third Hospital
-
Contato:
- Huishu Yuan, Dr
- E-mail: huishuy@bjmu.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
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Sim
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
From September 2018 to September 2020, patients underwent ankle MRI examination in the Department of Radiology, the Third Hospital of Peking University.
Descrição
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.
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 |
|---|---|
|
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
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Deep Learning of Anterior Talofibular Ligament: Comparison of Different Models
Prazo: 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
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Cadeira de estudo: huishu Yuan, MD, Peking University Third 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)
1 de janeiro de 2021
Conclusão Primária (Antecipado)
30 de dezembro de 2021
Conclusão do estudo (Antecipado)
30 de março de 2022
Datas de inscrição no estudo
Enviado pela primeira vez
28 de junho de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
29 de junho de 2021
Primeira postagem (Real)
8 de julho de 2021
Atualizações de registro de estudo
Última Atualização Postada (Real)
8 de julho de 2021
Última atualização enviada que atendeu aos critérios de controle de qualidade
29 de junho de 2021
Última verificação
1 de junho de 2021
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- M2020460
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
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 .