Artificiell intelligens och bentomoscintigrafier uppnås med CZT-kamera (IATOS)
20 februari 2024 uppdaterad av: Achraf BAHLOUL, Central Hospital, Nancy, France
Ultrasnabba bentomoscintigrafier för hela kroppen uppnådda med en högkänslig 360° CZT-kamera och en dedikerad algoritm för brusreducering för djupinlärning
Denna studie syftade till att fastställa huruvida inspelningstider för hela kroppens ben Single Photon Emission Computed Tomography (SPECT) på cirka 10 minuter, som rutinmässigt tillhandahålls av en högkänslig 360 graders kadmium- och zinktelluridkamera (CZT), kan reduceras ytterligare med en algoritm för djupinlärning av brusreducering (DLNR).
Studieöversikt
Status
Avslutad
Betingelser
Detaljerad beskrivning
Denna studie syftade till att fastställa i vilken utsträckning snabba hela kroppens ben-SPECT-inspelningstider, rutinmässigt erhållna med en högkänslig 360 graders CZT-kamera och ganska låga injicerade aktiviteter, kan reduceras ytterligare med hjälp av DLNR-algoritmen.
Studietyp
Observationell
Inskrivning (Faktisk)
19
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Vandoeuvre les Nancy cedex, Frankrike, 54511
- CHRU NANCY
-
-
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
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Nej
Testmetod
Sannolikhetsprov
Studera befolkning
Nitton cancerpatienter (8 kvinnor, 11 män) hänvisade till snabb helkroppsbens-enkelfotonemissionstomografi för detektion eller uppföljning av benmetastaser inkluderades retrospektivt i denna studie.
Beskrivning
Inklusionskriterier:
- patienter som hänvisades till snabb helkroppsbens-enkelfotonemissionstomografi för detektion eller uppföljning av benmetastaser
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 |
|---|---|---|
|
Bedöm en dedikerad algoritm för brusreducering för djupinlärning
Tidsram: en dag
|
En brusreduceringsalgoritm för djupinlärning användes på inspelade bilder av hela kroppen
|
en dag
|
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)
30 augusti 2023
Primärt slutförande (Faktisk)
10 september 2023
Avslutad studie (Faktisk)
30 oktober 2023
Studieregistreringsdatum
Först inskickad
20 februari 2024
Först inskickad som uppfyllde QC-kriterierna
20 februari 2024
Första postat (Faktisk)
28 februari 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
28 februari 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 februari 2024
Senast verifierad
1 februari 2024
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 2023PI095-407
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 .