Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Multiparametrisk MRT hos patienter med blåscancer

Kunskapsstyrt kausalt diagnostiskt nätverk för upptäckt av muskelinvasiv blåscancer med enkel T2-viktad bildbehandling

Exakt preoperativ upptäckt av muskelinvasiv blåscancer är fortfarande en klinisk utmaning. Utredarna syftade till att utveckla och validera ett kunskapsstyrt kausalt diagnostiskt nätverk för detektion av muskelinvasiv blåscancer med multiparametrisk magnetisk resonanstomografi (MRI).

Studieöversikt

Status

Rekrytering

Intervention / Behandling

Detaljerad beskrivning

Patienter som genomgick blås-MRT samlades in retrospektivt på tre centra mellan januari 2013 och september 2023. Utredarna konstruerade först ett nnUNet för att segmentera kausal region där muskelinvasiv blåscancer kan förekomma. Därefter undersökte utredarna ett kausalt nätverk baserat på en modifierad ResNet3d-18 genom att hitta en fin balans mellan nnUNet-medvetenhet och en självövervakad inlärningsmodell (SSL), som styrde modellen för att efterlikna diagnostiken hos experter på att iscensätta muskelinvasiv blåscancer vid MR. Modellen tränades i center 1 och testades oberoende i center 1, center 2 och center 3. Ablationstest utfördes bland alla 13 Ablation-Test-modeller med antingen enkel eller multiparametrisk MRI. Benefit testades hos sex radiologer med användning av vesikal avbildningsrapportering och datasystem (VI-RADS) jämfört med nätverksjusterade VI-RADS.

Studietyp

Observationell

Inskrivning (Beräknad)

1000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Nanjing, Kina, 210029
        • Rekrytering
        • Yu-Dong Zhang
        • Kontakt:

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

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Sannolikhetsprov

Studera befolkning

Preoperativ magnetisk resonanstomografi med flera parametrar är avgörande för att fastställa om patienter med blåscancer uppvisar muskelinvasion, vilket underlättar valet av lämpliga behandlingsalternativ.

Beskrivning

Inklusionskriterier:

  • Uroteliala carcinom i urinblåsan bekräftad av slutlig histopatologi ②Fick en standardkontrastförstärkt 3,0T mpMRI före operation ③Alla tumörer inom de inkluderade patienterna resekerades och fick patologisk undersökning separat

Exklusions kriterier:

①Frånvaro av kirurgiska ingrepp

②Med otillräcklig bildkvalitet eller med otillräcklig patologi för analys

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
muskelinvasiv blåscancer
Den postoperativa patologin var muskelinvasiv blåscancer
Patienter med blåscancer genomgick multiparameter magnetisk resonanstomografi före operation
icke-muskelinvasiv blåscancer
Den postoperativa patologin var icke-muskelinvasiv blåscancer
Patienter med blåscancer genomgick multiparameter magnetisk resonanstomografi före operation

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Muskelinvasiv blåscancer
Tidsram: en månad
Resultaten av artificiell intelligens-diagnos, baserade på preoperativ MRT, indikerade muskelinvasiv blåscancer. Därefter jämfördes denna preoperativa diagnos med den postoperativa patologiska diagnosen för att utvärdera den artificiella intelligensens diagnostiska prestanda.
en månad
Icke-muskelinvasiv blåscancer
Tidsram: en månad
Resultaten av artificiell intelligens-diagnos, baserade på preoperativ MRT, indikerade icke-muskelinvasiv blåscancer. Därefter jämfördes denna preoperativa diagnos med den postoperativa patologiska diagnosen för att utvärdera den artificiella intelligensens diagnostiska prestanda.
en månad

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

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 juli 2021

Primärt slutförande (Beräknad)

30 maj 2024

Avslutad studie (Beräknad)

30 juni 2024

Studieregistreringsdatum

Först inskickad

6 april 2024

Först inskickad som uppfyllde QC-kriterierna

10 april 2024

Första postat (Faktisk)

12 april 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

12 april 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

10 april 2024

Senast verifierad

1 april 2024

Mer information

Termer relaterade till denna studie

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 .

Kliniska prövningar på Artificiell intelligens

Kliniska prövningar på magnetisk resonanstomografi

3
Prenumerera