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

Tillämpning av artificiell intelligensalgoritm baserad på CT -avbildning för muskelparametermätning

20 februari 2025 uppdaterad av: Yaomin Hu, RenJi Hospital

Tillämpning av artificiell intelligensalgoritm baserad på CT -avbildning för muskelparametermätning vid diagnosen sarkopeni

Att skapa en konstgjord intelligensmodell för automatiserad diagnos av sarkopeni baserad på CT -avbildning

Studieöversikt

Detaljerad beskrivning

Med den accelererande åldringsprocessen har den tidiga identifieringen och diagnosen av sarkopeni, tillsammans med ett effektivt förebyggande av dess negativa resultat, blivit en samlingspunkt i medicinsk forskning. De nuvarande metoderna för att bedöma och diagnostisera sarkopeni står emellertid fortfarande inför betydande begränsningar, vilket gör utvecklingen av mer effektiva och exakta tekniker för muskelmassautvärdering ett brådskande kliniskt behov. Även om CT betraktas som den mest lovande metoden för att bedöma muskelmassa, hindras dess praktiska tillämpning av faktorer som beroende av läkares expertis och tidskrävande förfaranden, vilket begränsar dess utbredda kliniska antagande. Mot bakgrund av dessa utmaningar syftar denna studie till att utveckla en konstgjord intelligensmodell för hela automatiserad muskelmätning baserad på Abdominal CT -avbildning och att validera dess tillämpningsvärde för att hjälpa diagnosen sarkopeni.

Studietyp

Observationell

Inskrivning (Faktisk)

1080

Kontakter och platser

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

Studieorter

    • Shanghai
      • Shanghai, Shanghai, Kina, 2000127
        • Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee

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

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

960 Inpatienter i Geriatric Department of Renji Hospital, 20 patienter från Ruijin Hospital anslutna till Shanghai Jiaotong University School of Medicine, 20 patienter från det första anslutna sjukhuset i Zhejiang Medical University, 50 patienter från det första anslutna sjukhuset vid Wenzhou Medical University och 30 patienter från Huangshan People.

Beskrivning

Inkluderingskriterier :

  1. Befolkningen som genomgår BIA och buk CT -undersökningar;
  2. Kan samarbeta för att slutföra analys av mänsklig kroppssammansättning, mätning av greppstyrka, 6M gångtidsmätning och frågeformulärundersökning.

Uteslutningskriterier :

  1. Ålder <18 år gammal;
  2. Förekomst av bukväggödem;
  3. Historik om ryggradskirurgi eller ryggradsfrakturer eller ryggrads tumörskador;
  4. Historia av neuromuskulära störningar.

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
För att automatiskt och exakt kvantifiera tredimensionell muskelvolym och fettvolym.
Tidsram: 2020-2023
För att uppnå en automatiserad och exakt kvantifiering av tredimensionell muskelvolym och fettvolym vid L3-ryggraden genom djup inlärning.
2020-2023
För att skapa en konstgjord intelligensmodell för diagnos av sarkopeni.
Tidsram: 2020-2023
Valideringen av modeller av artificiell intelligens kan hjälpa till att diagnostisera sarkopeni.
2020-2023

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)

5 september 2023

Primärt slutförande (Faktisk)

31 december 2024

Avslutad studie (Faktisk)

31 december 2024

Studieregistreringsdatum

Först inskickad

20 februari 2025

Först inskickad som uppfyllde QC-kriterierna

20 februari 2025

Första postat (Faktisk)

25 mars 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

25 mars 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

20 februari 2025

Senast verifierad

1 februari 2025

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 .

Prenumerera