Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Сверточная нейронная сеть для обнаружения миеломаляции шейки матки

27 мая 2021 г. обновлено: Merve Damla Korkmaz, Istanbul University

Сверточная нейронная сеть для обнаружения миеломаляции шейки матки на магнитно-резонансной томографии

Технология глубокого обучения все чаще используется в хирургии позвоночника, а также во многих областях медицины. Однако замечено, что большая часть исследований на эту тему в литературе проводилась за исключением шейного отдела позвоночника. В этом исследовании мы стремились продемонстрировать эффективность алгоритма глубокого обучения в диагностике миеломаляции шейки матки по сравнению с обычными методами диагностики.

Искусственные нейронные сети, метод машинного обучения, все чаще используются в нескольких промышленных и исследовательских областях. Развитие вычислительных блоков и увеличение объема данных привели к разработке новых методов на искусственных нейронных сетях.

Обзор исследования

Статус

Завершенный

Условия

Вмешательство/лечение

Подробное описание

Цервикальная миелопатия (ЦМ) — частое дегенеративное заболевание шейного отдела позвоночника, возникающее в результате сдавления спинного мозга. При оценке этого заболевания и определении вариантов лечения клинику пациента и рентгенологические методы следует оценивать вместе.

Текущие процедуры визуализации для ВМ представляют собой простые рентгенограммы, компьютерную томографию и магнитно-резонансную томографию (МРТ). Однако МРТ при ВМ более ценна для оценки состояния диска, спинного мозга и других мягких тканей по сравнению с другими методами визуализации. Технологии искусственного интеллекта также используются во многих приложениях для здравоохранения, таких как анализ медицинских изображений, анализ биологических сигналов и т. д. В этом исследовании мы стремились продемонстрировать эффективность алгоритма глубокого обучения в диагностике миеломаляции шейки матки по сравнению с обычными методами диагностики.

Тип исследования

Наблюдательный

Регистрация (Действительный)

125

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Места учебы

  • Турция
    • Fatih
      • Istanbul, Fatih, Турция, 34093
        • Istanbul University

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 32 года до 77 лет (ВЗРОСЛЫЙ, OLDER_ADULT)

Принимает здоровых добровольцев

Н/Д

Полы, имеющие право на обучение

Все

Метод выборки

Вероятностная выборка

Исследуемая популяция

Участники в возрасте 30-80 лет, у которых выявлена ​​миеломаляция шейки матки, подтвержденная на МРТ.

Описание

Критерии включения:

  • пациенты с классическими симптомами цервикальной миеломаляции, такими как боль и скованность в шее, слабость и неуклюжесть в верхних конечностях или затруднения походки и рентгенологические признаки компрессии позвоночника
  • 30-80 лет.

Критерий исключения:

  • Пациенты с предшествующей историей хирургии шейного отдела позвоночника и систематическим заболеванием (ревматологическим или нервным заболеванием).

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
цервикальная миелопатия
МРТ-изображения пациентов с цервикальной миелопатией
Диагностический тест: Сверточная нейронная сеть
Сверточные нейронные сети, метод машинного обучения, все чаще используются в нескольких промышленных и исследовательских областях. Развитие вычислительных устройств и увеличение объема данных привели к разработке новых методов на искусственных нейронных сетях. Глубокое обучение (DL) — это многоуровневая нейронная сеть, в которой извлечение признаков выполняется автоматически. Он расширяет традиционные нейронные сети, добавляя в архитектуру сети больше скрытых слоев между входным и выходным слоями для моделирования более сложных и нелинейных отношений.
нормальный
нормальный срез МРТ больных цервикальной миелопатией
Диагностический тест: Сверточная нейронная сеть
Сверточные нейронные сети, метод машинного обучения, все чаще используются в нескольких промышленных и исследовательских областях. Развитие вычислительных устройств и увеличение объема данных привели к разработке новых методов на искусственных нейронных сетях. Глубокое обучение (DL) — это многоуровневая нейронная сеть, в которой извлечение признаков выполняется автоматически. Он расширяет традиционные нейронные сети, добавляя в архитектуру сети больше скрытых слоев между входным и выходным слоями для моделирования более сложных и нелинейных отношений.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Значение точности матрицы смешения для сагиттальных проекций
Временное ограничение: 1 день
Это особый макет таблицы, который позволяет визуализировать производительность алгоритма.
1 день
Значение точности матрицы смешения для осевых видов
Временное ограничение: 1 день
Это особый макет таблицы, который позволяет визуализировать производительность алгоритма.
1 день

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Istanbul University

Следователи

  • Главный следователь: Hakan Yilmaz, Karabuk University, Faculty of Engineering
  • Главный следователь: Murat Korkmaz, Istanbul University, Faculty of Medicine

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)

15 апреля 2021 г.

Первичное завершение (ДЕЙСТВИТЕЛЬНЫЙ)

22 апреля 2021 г.

Завершение исследования (ДЕЙСТВИТЕЛЬНЫЙ)

22 апреля 2021 г.

Даты регистрации исследования

Первый отправленный

11 марта 2021 г.

Впервые представлено, что соответствует критериям контроля качества

11 марта 2021 г.

Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)

15 марта 2021 г.

Обновления учебных записей

Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)

1 июня 2021 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

27 мая 2021 г.

Последняя проверка

1 мая 2021 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • KAEK/2020.07.129

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

ДА

Описание плана IPD

Им можно поделиться после публикации

Сроки обмена IPD

после публикации

Совместное использование IPD Поддерживающий тип информации

  • STUDY_PROTOCOL
  • САП
  • МКФ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться