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

Автоматизированное обнаружение и диагностика патологических ДРГ у пациентов с ПГН с использованием глубокого обучения и магнитного резонанса

5 марта 2024 г. обновлено: Xianwei Zhang,MD, Huazhong University of Science and Technology
Целью этого исследования была разработка автоматизированной системы для обнаружения и диагностики поражений DRG у пациентов с PHN на основе глубокого обучения. В этом исследовании ретроспективно проанализированы изображения ДРГ всех пациентов с постгерпетической невралгией, прошедших магнитно-резонансную нейровизуализацию в нашем радиологическом отделении с января 2021 года по февраль 2022 года. После постобработки изображения в качестве целевой модели алгоритма была выбрана версия 8 You Only Look Once (YOLO). Производительность модели оценивалась с использованием таких показателей, как точность, полнота, средняя точность, средняя средняя точность и показатель F1.

Обзор исследования

Статус

Завершенный

Вмешательство/лечение

Подробное описание

Наше предыдущее исследование подтвердило различия в макроскопических и микроскопических аспектах визуализации пораженных ганглиев дорсальных корешков (DRG) у пациентов с постгерпетической невралгией (PHN) и здоровых людей. Кроме того, наше исследование показало, что, хотя локализация пораженной кожи является классическим методом в клинической практике, все еще существует определенная степень расхождения с DRG пораженной кожи, наблюдаемой при магнитно-резонансной томографии (МРТ). Это предполагает значительную ценность МРТ в диагностике пораженного ДРГ у пациентов с ПГН. Для пациентов с опоясывающим синусоидальным невралгией еще более важно четко идентифицировать пораженный ДРГ с помощью МРТ. Однако из-за небольшого размера и разнообразной морфологии поражений DRG диагностика пораженного DRG с помощью МРТ требует специальных знаний в области нейроанатомии и визуализации, что представляет собой проблему для практикующих врачей. Быстрая и точная идентификация пораженного DRG имеет решающее значение для интервенционной терапии, поскольку она служит важной целью лечения нейропатической боли.

Серия алгоритмов YOLO (You Only Look Once) в настоящее время представляет собой широко используемые одноэтапные алгоритмы обнаружения объектов в реальном времени, включая YOLOv1-YOLOv8. Благодаря чрезвычайно высокой скорости обнаружения они позволяют обнаруживать объекты в режиме реального времени. YOLOv5 и YOLOv8 в настоящее время широко используются в различных приложениях, таких как автономное вождение, видеонаблюдение и отслеживание объектов [66,67]. Более того, серия YOLO все чаще применяется в медицинской сфере, включая обнаружение повреждений опухолей и капсул суставов, демонстрируя хорошую точность, скорость отзыва и эффективность обнаружения [68]. Целью данного исследования является использование алгоритма YOLOv8 для разработки быстрой и точной модели обнаружения объектов с одновременной оценкой ее производительности. Целью исследования является подтверждение осуществимости и эффективности обнаружения пораженных ганглиев дорсальных корешков (DRG) при постгерпетической невралгии в реальном времени с использованием этой модели, что обеспечивает основу для ранней диагностики для практикующих врачей и обеспечивает быструю и точную локализацию пораженных DRG.

Тип исследования

Наблюдательный

Регистрация (Действительный)

41

Контакты и местонахождение

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

Места учебы

      • Wuhan, Китай
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
    • Hubei
      • Wuhan, Hubei, Китай, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

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

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Пациенты с постгерпетической невралгией, проходившие магнитно-резонансное нейровизуализационное обследование в радиологическом отделении нашей больницы с января 2021 по февраль 2022 года.

Описание

Критерии включения:

  • Пациенты в возрасте 18 лет и старше;
  • Пациенты с опоясывающим герпесом, которые продолжают испытывать боль в течение более одного месяца после образования корки на поражениях кожи;
  • Четкие изображения МРТ, показывающие очевидные поражения ганглиев дорсальных корешков (DRG).

Критерий исключения:

  • Пациенты с тяжелыми системными, метаболическими или неврологическими заболеваниями, которые могут привести к полинейропатии, например, множественная миелома, диабет или заболевания щитовидной железы;
  • Пациенты с психическими расстройствами в анамнезе, другими хроническими болевыми состояниями или злоупотреблением психоактивными веществами;
  • Пациенты с перенесенными операциями на грудной клетке или спине и болями в анамнезе;
  • Наличие артефактов на изображении или нечеткое отображение изображения;
  • Изображения цели скрыты другими тканями.

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

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Разработать автоматизированную систему обнаружения и диагностики поражений DRG у пациентов с PHN на основе глубокого обучения.
Временное ограничение: 202310-202402
В качестве целевой модели алгоритма была выбрана версия 8 «You Only Look Once» (YOLO).
202310-202402

Соавторы и исследователи

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

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 октября 2023 г.

Первичное завершение (Действительный)

31 января 2024 г.

Завершение исследования (Действительный)

31 января 2024 г.

Даты регистрации исследования

Первый отправленный

16 февраля 2024 г.

Впервые представлено, что соответствует критериям контроля качества

16 февраля 2024 г.

Первый опубликованный (Действительный)

23 февраля 2024 г.

Обновления учебных записей

Последнее опубликованное обновление (Оцененный)

6 марта 2024 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

5 марта 2024 г.

Последняя проверка

1 марта 2024 г.

Дополнительная информация

Термины, связанные с этим исследованием

Другие идентификационные номера исследования

  • deep learning

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕ РЕШЕНО

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