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

Интеллектуальное обнаружение каротидной бляшки и ее стабильности на основе динамического ультразвукового сканирования с глубоким обучением

13 сентября 2023 г. обновлено: Jia Liu

Модель глубокого обучения, основанная на обычном видео ультразвукового сканирования, чтобы помочь врачам улучшить диагностику каротидной бляшки

Это исследование направлено на создание модели с помощью глубокого обучения, которая может автоматически и точно обнаруживать бляшки, рассчитывать скорость стеноза просвета и оценивать стабильность бляшек на основе динамических ультразвуковых изображений поперечной оси сонных артерий и ультразвуковых изображений с контрастным усилением, чтобы всесторонне оценить возможность каротидных бляшек. сердечно-сосудистый риск. Успешное развитие этого исследования позволит автоматически смоделировать и воспроизвести весь процесс оценки каротидных бляшек врачами-сонографистами. Решите проблему ультразвукового инспекционного оборудования и испытайте зависимость. Ожидается, что он проведет широкомасштабный интеллектуальный скрининг населения, предлагая новые идеи для ранней профилактики и лечения. Особенно в слаборазвитых с медицинской точки зрения отдаленных районах и при нехватке опытных специалистов по УЗИ это имеет большое практическое значение в клинической медицине и может принести большую социальную и экономическую выгоду.

Обзор исследования

Подробное описание

Задний план:

Каротидный налет вреден для здоровья человека. По оценкам Всемирной организации здравоохранения, ежегодно происходит 6,7 млн ​​нарушений мозгового кровообращения и инсультов, в основном связанных с образованием каротидных атеросклеротических бляшек. С одной стороны, бляшка сонной артерии может вызвать стеноз или даже окклюзию сонной артерии, вызывая церебральную ишемию. Раннее обнаружение и точная оценка каротидных бляшек помогают клиницистам принять эффективные меры вмешательства, которые могут значительно снизить уровень инвалидности и летальность от инсульта.

КТА и МРА сонных артерий могут обеспечить изображения бляшек с относительно высоким разрешением и высоким качеством, но имеют ограничения по стоимости и сканированию, которые ограничивают их применение в повседневной клинической практике. Ультрасонография имеет преимущества неинвазивности, удобства, низкой стоимости и хорошей воспроизводимости. Это предпочтительный метод визуализации для обнаружения бляшек, стеноза и стабильности бляшек. Ультрасонография с контрастным усилением (CEUS) может точно продемонстрировать перфузию микроциркуляции внутри бляшки путем введения контрастных веществ в виде микропузырьков, согласуется с гистопатологическими данными и все чаще используется в клинической практике для оценки стабильности бляшки.

Однако, с одной стороны, ограничение ультразвукового исследования заключается в том, что для повышения точности необходимо полагаться на уровень инструментов и операторов. С другой стороны, с ростом населения и старением общества традиционная медицинская модель оказалась не в состоянии справиться с ежегодным увеличением числа пациентов. потребности пациентов в обследовании. Поэтому очень важно разработать интегрированную платформу приложений ИИ, которая может автоматически и точно обнаруживать бляшки на основе данных ультразвукового изображения, а также оценивать стеноз просвета и стабильность бляшек.

Цель:

Это исследование направлено на создание модели, основанной на глубоком обучении, для автоматического и точного обнаружения бляшек на основе динамического ультразвукового изображения поперечной оси сонной артерии, расчета степени стеноза просвета и выполнения оценки стабильности, чтобы всесторонне оценить возможные сердечно-сосудистые эффекты каротидных бляшек. . риск. Это позволит реализовать автоматическое моделирование и воспроизведение всего процесса оценки цервикального зубного налета клиническими ультразвуковыми экспертами.

Дизайн исследования:

Две трети зарегистрированных пациентов и соответствующие им изображения динамического сканирования сонных артерий и результаты экспертной диагностики были случайным образом выбраны в качестве обучающей когорты глубокого обучения. Изображения динамического сканирования сонных артерий и результаты экспертной диагностики оставшейся 1/3 пациентов использовались в качестве проверочной когорты для оценки общей диагностической точности модели глубокого обучения.

Статистический анализ:

Чувствительность, специфичность, положительная прогностическая ценность и отрицательная прогностическая ценность глубокого обучения для обнаружения бляшек, оценки скорости просветного стеноза или прогнозирования стабильности бляшек рассчитывались по площади под кривой рабочей характеристики приемника (ROC) (AUROC) для оценки. Статистический анализ проводили с использованием программного обеспечения SPSS 22.0.

Контроль качества:

Разработать стандартизированные и стандартные методы ультразвукового исследования сонных артерий и операционные процедуры, а также разработать унифицированные стандарты получения и хранения изображений. Все операторы проходят тщательную подготовку по УЗИ сонных артерий. Два оператора с более чем 5-летним опытом проведения ультразвуковых операций были наняты в качестве персонала по контролю качества для проверки всех изображений и исключения некачественных изображений.

Ультразвук безопасен и не содержит радиации. Во время осмотра врач и пациент всегда находились в состоянии общения, а пациент чувствовал себя менее нервным и боязливым, с хорошей переносимостью и высокой комплаентностью.

Этика исследования:

Это исследование будет соответствовать этическим принципам Хельсинкской декларации Всемирного медицинского конгресса и соответствующим нормам и правилам клинических исследований. Исследование начнется после одобрения этического комитета. Перед началом исследования исследователь должен проинформировать субъектов обо всем соответствующем содержании клинического исследования на доступном для понимания языке, а также проинформировать пациентов о том, что они имеют право выйти из исследования в любое время. Исследование начиналось только после добровольного подписания больными информированного согласия.

Тип исследования

Наблюдательный

Регистрация (Действительный)

2000

Контакты и местонахождение

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

Места учебы

    • Guangdong
      • Guangzhou, Guangdong, Китай
        • The third affiliated hospital of Sun Yat-Sen 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

18 лет и старше (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Метод выборки

Вероятностная выборка

Исследуемая популяция

Возраст ≥18 лет, пол не ограничен, с различной степенью атеросклероза сонных артерий.

Описание

Критерии включения:

  • (1) Возраст≥18 лет, пол не ограничен. (2) Пациенты, которые добровольно участвовали в этом исследовании, подписали информированное согласие.

Критерий исключения:

  • (1) Тяжелые цереброваскулярные заболевания, пациенты, отказывающиеся от сотрудничества, и пациенты, которые не переносят обследование. (2) Повязки на рану после операции на шее влияют на УЗИ сонных артерий. (3) Шейка короткая и толстая, зонд нельзя поставить вертикально.

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

  • Наблюдательные модели: Когорта
  • Временные перспективы: Перспективный

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Когорта обучения глубокому обучению
2/3 зарегистрированных пациентов и соответствующие им изображения динамического сканирования сонных артерий и результаты экспертной диагностики были случайным образом выбраны в качестве обучающей когорты для глубокого обучения.
обучить модель глубокого обучения
Когорта проверки глубокого обучения
Изображения динамического сканирования сонных артерий и результаты экспертной диагностики оставшейся 1/3 пациентов использовались в качестве проверочной когорты для оценки общей диагностической точности модели глубокого обучения.
оценить модель

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
ИИ помогает младшим рентгенологам читать изображения, а основные врачи читают изображения самостоятельно.
Временное ограничение: через завершение обучения, в среднем 2 года
Принимая результаты чтения старших специалистов по УЗИ в качестве золотого стандарта, были протестированы чувствительность, специфичность, точность, положительная прогностическая ценность и отрицательная прогностическая ценность чтения с помощью ИИ и независимого чтения младшими врачами для диагностики с помощью каротидной бляшки. Оценивается AUC.
через завершение обучения, в среднем 2 года
Оценка производительности модели ИИ
Временное ограничение: через завершение обучения, в среднем 2 года
Принимая результаты чтения старших специалистов по УЗИ в качестве золотого стандарта, чувствительность, специфичность, точность, положительную прогностическую ценность и отрицательную прогностическую ценность независимого чтения ИИ. Его оценивали по площади под кривой рабочей характеристики приемника (ROC) (AUC).
через завершение обучения, в среднем 2 года
ИИ оценивает степень стеноза просвета
Временное ограничение: через завершение обучения, в среднем 2 года
Принимая результаты чтения старших специалистов по УЗИ в качестве золотого стандарта, ИИ может оценить чувствительность, специфичность, точность, положительную прогностическую ценность и отрицательную прогностическую ценность скорости стеноза просвета. Его оценивали по площади под кривой рабочей характеристики приемника (ROC) (AUC).
через завершение обучения, в среднем 2 года
ИИ предсказывает стабильность зубного налета.
Временное ограничение: через завершение обучения, в среднем 2 года
Принимая результаты чтения старших специалистов по УЗИ в качестве золотого стандарта, ИИ прогнозирует чувствительность, специфичность, точность, положительную прогностическую ценность и отрицательную прогностическую ценность стабильности бляшек. Его оценивали по площади под кривой рабочей характеристики приемника (ROC) (AUC).
через завершение обучения, в среднем 2 года
Обнаружение зубного налета с помощью модели ИИ на видео, снятых с помощью различных типов оборудования.
Временное ограничение: через завершение обучения, в среднем 2 года
Принимая результаты чтения старших специалистов по УЗИ в качестве золотого стандарта, ИИ определяет чувствительность, специфичность, точность, положительную прогностическую ценность и отрицательную прогностическую ценность бляшек на различном ультразвуковом оборудовании. Оценивается по площади под кривой рабочей характеристики приемника (ROC) (AUC).
через завершение обучения, в среднем 2 года

Соавторы и исследователи

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

Спонсор

Следователи

  • Главный следователь: Jia Liu, Third Affiliated Hospital, Sun Yat-Sen University

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

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)

1 мая 2020 г.

Первичное завершение (Действительный)

1 июня 2023 г.

Завершение исследования (Действительный)

1 июня 2023 г.

Даты регистрации исследования

Первый отправленный

27 января 2022 г.

Впервые представлено, что соответствует критериям контроля качества

8 февраля 2022 г.

Первый опубликованный (Действительный)

9 февраля 2022 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

14 сентября 2023 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

13 сентября 2023 г.

Последняя проверка

1 сентября 2023 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

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