Алгоритмы реконструкции глубокого обучения в двойном CTA с низкой дозой
16 апреля 2024 г. обновлено: Hao Tang
Оценка алгоритмов реконструкции глубокого обучения при двойной низкодозной КТ-визуализации сосудов
Цель этого обсервационного исследования — оценить влияние реконструкции изображений с глубоким обучением на качество изображения и диагностическую эффективность двойного КТА с низкой дозой.
Основной вопрос, на который он стремится ответить, — это изучить возможность реконструкции изображений с глубоким обучением в двойном CTA с низкой дозой.
Обзор исследования
Статус
Рекрутинг
Условия
Вмешательство/лечение
Подробное описание
- Были включены необработанные данные от пациентов, которым была проведена КТА головы и шеи, коронарная КТА и абдоминальная КТА как в группах со стандартной дозой, так и в группах с двойными низкими дозами.
- Были применены такие методы, как обратная проекция с фильтром, итеративная реконструкция и реконструкция глубокого обучения.
- Возможность реконструкции глубокого обучения в двойном КТА с низкой дозой оценивалась на основе качества изображения и диагностических характеристик.
Тип исследования
Наблюдательный
Регистрация (Оцененный)
1200
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Контакты исследования
- Имя: Youfa M Tang, Doctor
- Номер телефона: 8613554101223
- Электронная почта: 1525573397@qq.com
Учебное резервное копирование контактов
- Имя: Tan, Doctor
- Номер телефона: 86 159 2631 4149
- Электронная почта: 1655118783@qq.com
Места учебы
-
-
Hubei
-
Wuhan, Hubei, Китай, 430000
- Рекрутинг
- Tongji Hospital affiliated to Tongji Medical College of Huazhong University of Science and Technology
-
Контакт:
- Youfa M Tang
- Номер телефона: +8613554101223
- Электронная почта: 1525573397@qq.com
-
-
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
Да
Метод выборки
Вероятностная выборка
Исследуемая популяция
Здоровые или больные взрослые, проходящие КТ сосудов
Описание
Критерии включения:
- Пациенты с КТА головы и шеи, КТА коронарной артерии и КТА брюшной полости вследствие инсульта, ишемической болезни сердца и воспалительных заболеваний брюшной полости, а также опухолей брюшной полости.
Критерий исключения:
- Возраст <18 лет, беременность, аллергическая реакция на йодконтрастный препарат, почечная недостаточность и тяжелый гипертиреоз.
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 |
|---|---|
|
Группа стандартной дозы
Были включены необработанные данные от 400 пациентов с обычной дозой КТА головы и шеи, коронарной КТА и абдоминальной КТА.
Были выполнены фильтрованная обратная проекция, итерация и реконструкция глубокого обучения.
Оценить влияние реконструкции глубокого обучения на качество изображения и диагностическую эффективность у пациентов с КТА с обычной дозой.
|
Реконструкция изображений с глубоким обучением (DLIR) — это недавно разработанный в последние годы алгоритм шумоподавления искусственного интеллекта.
Он обучает массивные наборы высококачественных данных FBP, чтобы научиться различать шум и сигнал, чтобы выборочно уменьшать шум и восстанавливать высококачественные изображения с помощью данных изображения низкого качества.
|
|
Двойная группа с низкой дозой
Были включены необработанные данные от 800 пациентов с низким напряжением трубки и контрастным веществом КТА головы и шеи, коронарная КТА и абдоминальная КТА.
Были выполнены фильтрованная обратная проекция, итерация и реконструкция глубокого обучения.
Оценить влияние реконструкции глубокого обучения на качество изображения и диагностическую эффективность у пациентов с двойной низкой дозой КТА.
|
Реконструкция изображений с глубоким обучением (DLIR) — это недавно разработанный в последние годы алгоритм шумоподавления искусственного интеллекта.
Он обучает массивные наборы высококачественных данных FBP, чтобы научиться различать шум и сигнал, чтобы выборочно уменьшать шум и восстанавливать высококачественные изображения с помощью данных изображения низкого качества.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Специфичность и чувствительность рассчитываются через оптимальное значение среза рабочей характеристики приемника.
Временное ограничение: 2026.1
|
Специфичность и чувствительность рассчитывались отдельно для группы стандартной дозы и группы двойной низкой дозы с использованием оптимального порогового значения из кривой рабочей характеристики приемника с целью сравнения диагностической точности между двумя группами.
|
2026.1
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Отношение сигнал/шум, рассчитанное на основе значений КТ изображения и шума.
Временное ограничение: 2026.1
|
Отношение сигнал/шум рассчитывалось отдельно для группы стандартной дозы и группы двойной низкой дозы с использованием значений КТ-изображения и шума, чтобы оценить качество изображения между двумя группами.
|
2026.1
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Следователи
- Главный следователь: Hao Tang, Doctor, Tongji Hospital
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 июня 2023 г.
Первичное завершение (Оцененный)
1 декабря 2025 г.
Завершение исследования (Оцененный)
1 марта 2026 г.
Даты регистрации исследования
Первый отправленный
11 апреля 2024 г.
Впервые представлено, что соответствует критериям контроля качества
16 апреля 2024 г.
Первый опубликованный (Действительный)
18 апреля 2024 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
18 апреля 2024 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
16 апреля 2024 г.
Последняя проверка
1 апреля 2024 г.
Дополнительная информация
Термины, связанные с этим исследованием
Другие идентификационные номера исследования
- 102122
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Описание плана IPD
В целях защиты конфиденциальности участников соответствующие данные не передаются до тех пор, пока участники не согласятся.
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. .