Beräkningsavbildningsforskning baserad på djupinlärning
21 juli 2022 uppdaterad av: Xin Lou, Chinese PLA General Hospital
Computational Imaging med pixelnivå Graph Adversarial Learning
Beräkningsavbildningsforskning baserad på djupinlärning
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Baserat på nuvarande tekniska utmaningar, ämnesutveckling och uppgradering av kunskap, för att undvika förekomsten av ogynnsamma medicinska olyckor, förenkla den diagnostiska processen, har artificiell intelligens blivit den alternativa metoden att välja, genom att konstruera en utbildningsmodell för djupinlärning, CTA som modellingångar aneurysm upptäckt och diagnos för att förbättra diagnos effektivitet, främja utvecklingen av medicinsk teknik
Studietyp
Observationell
Inskrivning (Förväntat)
1200
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Beijing, Kina, 100853
- Chinese PLA General Hospital
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
18 år till 80 år (VUXEN, OLDER_ADULT)
Tar emot friska volontärer
Ja
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
olika människor
Beskrivning
Inklusionskriterier:
- Ålder: 18-80 år.
- CT-parade bilddata för kärl, inklusive lager-till-lager vanlig CT och förbättrad CT. 2 Tidsintervall: januari 2010 till december 2021.
- Skanningsplatser: CT och CTA av huvud, nacke, bröst, buk eller höftben.
Exklusions kriterier:
- Oparad CT-bild.
- Allvarlig artefakt CT-bild.
- förbättrad bild av CT-fel (misslyckande att fånga artärfasen eller dålig artärutveckling, otillräckligt flöde av kontrastmedel, etc.)
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Objektiv utvärdering
Tidsram: 30 minuter
|
med hjälp av SSIM\MAE-indexutvärdering
|
30 minuter
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (FAKTISK)
1 november 2021
Primärt slutförande (FÖRVÄNTAT)
30 juli 2022
Avslutad studie (FÖRVÄNTAT)
15 augusti 2022
Studieregistreringsdatum
Först inskickad
21 juli 2022
Först inskickad som uppfyllde QC-kriterierna
21 juli 2022
Första postat (FAKTISK)
25 juli 2022
Uppdateringar av studier
Senaste uppdatering publicerad (FAKTISK)
25 juli 2022
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
21 juli 2022
Senast verifierad
1 juli 2022
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- Synthesis imaging-ChinaPLAGH
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .