Multimodal Imaging-assisted Diagnosis Model for Cervical Spine Tumors
4 de julho de 2021 atualizado por: Peking University Third Hospital
Based on a Small Sample Deep Learning Multi-modal Image-assisted Diagnosis Model of Cervical Spine Tumors Clinical Application Research
Cervical spine tumor is a small sample of tumor disease with low incidence, great harm, and complex anatomical structure. It is very difficult to identify and classify benign and malignant cervical spine tumors clinically.
The deep learning model we constructed in the early stage has a higher accuracy rate for the image diagnosis of cervical spondylosis with a large number of cases, and a better clinical application effect, but the accuracy rate for cervical spine tumors with a small number of cases is lower. The reason may be the amount of data. With limited tasks, the traditional deep learning model is difficult to play an effective role.
Based on this, we propose to build a small sample-oriented deep learning model to assist clinicians in the diagnosis of cervical spine tumors with multimodal images, and to evaluate the benign and malignant tumors.
Visão geral do estudo
Status
Concluído
Condições
Descrição detalhada
Cervical spine tumor is a small-sample tumor disease with low incidence, great harm, and complex anatomical structure.
It is very difficult to identify and classify benign and malignant cervical spine tumors clinically.
The deep learning model we constructed in the early stage is suitable for the large number of cases.
The imaging diagnosis of cervical spondylosis has a high accuracy rate and a good clinical application effect, but the accuracy rate is low for cervical spine tumors with a small number of cases.
The reason may be that for tasks with limited amount of data, the traditional deep learning model is difficult to play an effective role.
Based on this, we propose to construct a small sample-oriented deep learning model to assist clinicians in the diagnosis of cervical spine tumors in multi-modal imaging, and to evaluate the benign and malignant tumors.
This research will not only improve the efficiency and efficiency of cervical spine tumor imaging diagnosis.
Accuracy, to guide clinical personalized treatment, will also provide a basis for the clinical application of deep learning in the field of small samples, which has important clinical significance.
Tipo de estudo
Observacional
Inscrição (Real)
600
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
-
-
-
Beijing, China
- Peking University Third Hospital
-
-
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 50 anos (Adulto)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
Inclusion criteria: clinically suspected cervical spine tumors, multi-modality (X-ray, CT, MR) imaging, followed by needle biopsy or surgery to confirm the tumor, and pathology report.
Exclusion criteria: surgery or radiotherapy before imaging, cervical spine Those who have fractures, deformities, infections, etc. who cannot cooperate with imaging examinations, and those who have not signed an informed consent.
Descrição
Inclusion Criteria:
- 18-50 years old, about 300 males and females; in the orthopedics outpatient and emergency department of our hospital, the imaging scans (X-ray, CT, MR) showed no obvious abnormalities.
Exclusion Criteria:
- have had surgery before acquiring the images, Those who have cervical spine fractures, deformities, infections, etc. who cannot cooperate with imaging examinations, and those who have not signed the informed consent. The normal control group" includes about 600 patients with normal or slightly degenerated cervical spine, as a standard for training computers to recognize cervical spine structures Images and control images for detecting tumor lesions.
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 |
|---|
|
X-ray
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions.
On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT).
For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions.
The label on the lateral X-ray image.
|
|
CT
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions.
On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT).
For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions.
The label on the lateral X-ray image.
|
|
MRI
This study completed the manual labeling of preoperative multi-modal images of cervical spine structures and tumor lesions.
On the normal cervical spine, six target areas were labeled: cervical spinal cord (MRI), cervical spine alignment (MRI), cervical intervertebral discs ( MRI), cervical spinal canal area (MRI), cervical cobb angle (X-ray) and cervical posterior longitudinal ligament ossification (CT).
For cervical tumor lesions, complete MR and CT as well as orthopedic, axial and coronal positions.
The label on the lateral X-ray image.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
tumor detection
Prazo: 2022-2023
|
On the basis of the cervical spine structure, it is the modeling of the tumor.
The model based on weakly supervised learning recognizes the morphological features such as the size of the tumor lesion, and uses the fast-adapted meta-learning method to achieve a fast model under a small amount of training.
Optimize, and finally evaluate the benignity, borderline and malignant probability of the tumor and use it as an output.
|
2022-2023
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
cervical spine detection
Prazo: 2022-2023
|
Taking the postoperative pathology report of cancer patients as the audit standard, testing the sensitivity and accuracy of the model, and integrating it into a complete deep learning model.
|
2022-2023
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Cadeira de estudo: hanqiang ouyang, 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 2020
Conclusão Primária (Real)
1 de junho de 2020
Conclusão do estudo (Real)
1 de junho de 2021
Datas de inscrição no estudo
Enviado pela primeira vez
4 de julho de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
4 de julho de 2021
Primeira postagem (Real)
13 de julho de 2021
Atualizações de registro de estudo
Última Atualização Postada (Real)
13 de julho de 2021
Última atualização enviada que atendeu aos critérios de controle de qualidade
4 de julho de 2021
Última verificação
1 de julho de 2021
Mais Informações
Termos relacionados a este estudo
Outros números de identificação do estudo
- IRB00006761-M2020255
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 .