- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06274502
Automatiserad detektion och diagnos av patologiska DRG hos PHN-patienter med djupinlärning och magnetisk resonans
Studieöversikt
Detaljerad beskrivning
Vår tidigare forskning har bekräftat skillnader i makroskopiska och mikroskopiska aspekter mellan avbildning av skadade dorsala rotganglier (DRG) hos patienter med postherpetisk neuralgi (PHN) och friska kontroller. Dessutom avslöjade vår studie att även om lokalisering av skadad hud är en klassisk metod i klinisk praxis, finns det fortfarande en viss grad av diskrepans med den skadade DRG som observeras vid magnetisk resonanstomografi (MRI). Detta antyder det betydande värdet av MRT vid diagnostisering av skadad DRG hos PHN-patienter. För patienter med zoster sine herpete neuralgi är det ännu viktigare att tydligt identifiera den skadade DRG genom MRT. Men på grund av den lilla storleken och varierande morfologin hos DRG-lesioner kräver diagnostisering av skadad DRG genom MRT specialiserad kunskap inom neuroanatomi och bildbehandling, vilket utgör en utmaning för kliniska läkare. Att identifiera skadad DRG snabbt och exakt är avgörande för interventionsterapi, eftersom det fungerar som ett viktigt behandlingsmål för neuropatisk smärta.
YOLO (You Only Look Once)-serien av algoritmer är för närvarande mycket använda enstegs-algoritmer för realtidsdetektering av objekt, inklusive YOLOv1-YOLOv8. På grund av sin extremt höga detekteringshastighet möjliggör de objektdetektering i realtid. YOLOv5 och YOLOv8 används nu i stor utsträckning i olika tillämpningar som autonom körning, videoövervakning och objektspårning [66,67]. Dessutom används YOLO-serien i allt större utsträckning inom det medicinska området, inklusive upptäckt av tumör- och ledkapselskada, som visar god noggrannhet, återkallningsfrekvenser och detektionseffektivitet [68]. Denna studie syftar till att använda YOLOv8-algoritmen för att utveckla en snabb och exakt objektdetekteringsmodell, samtidigt som den utvärderar dess prestanda. Den syftar till att validera genomförbarheten och effektiviteten av att detektera skadade dorsala rotganglier (DRG) i postherpetisk neuralgi i realtid med denna modell, vilket ger en grund för tidig diagnos för kliniska läkare och möjliggör snabb och exakt lokalisering av skadad DRG.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Wuhan, Kina
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Hubei
-
Wuhan, Hubei, Kina, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Patienter som är 18 år eller äldre;
- Patienter med herpes zoster som fortsätter att uppleva smärta i över en månad efter att skorpan bildats över hudskadorna;
- Tydliga MRI-bilder som visar uppenbara dorsalrotganglia (DRG) lesioner.
Exklusions kriterier:
- Patienter med allvarliga systemiska, metabola eller neurologiska sjukdomar som kan leda till polyneuropati, såsom multipelt myelom, diabetes eller sköldkörtelsjukdomar;
- Patienter med en historia av psykiatriska störningar, andra kroniska smärttillstånd eller missbruk;
- Patienter med en historia av bröst- eller ryggoperationer och en historia av smärta;
- Förekomst av artefakter i avbildningen eller otydlig bildvisning;
- Rikta bilder skymd av andra vävnader.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Utveckla ett automatiserat system för att upptäcka och diagnostisera lesions-DRG hos PHN-patienter baserat på djupinlärning
Tidsram: 202310-202402
|
You Only Look Once (YOLO) version 8 valdes som målalgoritmmodell
|
202310-202402
|
Samarbetspartners och utredare
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- deep learning
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .
Kliniska prövningar på Djup lärning
-
RenJi HospitalHar inte rekryterat ännuTillämpning av artificiell intelligens djupinlärningsteknik i magnetisk resonans ländryggsavbildningDeep Learning, Lumbal Magnetic Resonance Imaging
-
Hai LvHar inte rekryterat ännuFasettfogar; Degeneration ; Deep Learning; Artificiell intelligens
-
Tianjin Eye HospitalRekryteringDeep Learning, hornhinnesjukdom, screeningKina
-
Centre Hospitalier Universitaire, AmiensOkändNjurkolik | Urolithiasis | Urinvägsstenar | Deep Learning RekonstruktionFrankrike
-
Cohera Medical, Inc.AvslutadDeep Inferior Epigastrisk Perforator Flap Rekonstruktion
-
Peter BiroAvslutadUnderhåll av Deep NM Block utan överdoseringSchweiz
-
University of MichiganIndragenBröstrekonstruktion | Deep Inferior epigastrisk perforator | Mikrovaskulär fri fliköverföringFörenta staterna
-
Asociación para Evitar la Ceguera en MéxicoAvslutadAxial längd (AL) | Anterior Chamber Deep (ACD) | Linstjocklek (LT)Mexiko
-
Al-Azhar UniversityRekryteringDeep Carious Young 1:a Permanent Molar Med öppen ApexEgypten
-
HITEC-Institute of Medical SciencesAvslutadOSSE (Objective Structured Clinical Examination) | TBL (Team Based Learning) | Lära ut kliniska färdigheter till medicinska studenterPakistan