PixelShine 与 CT 图像的迭代重建 (IR) 处理
2017年6月26日 更新者：AlgoMedica, Inc.
CT 成像数据的前瞻性回顾比较低辐射剂量图像后处理的迭代重建软件与机器学习 (AlgoMedica PixelShine) 软件的质量
本研究将比较使用极低剂量辐射获取并使用商用软件处理的 CT 图像与 PixelShine 处理图像的质量。
它可能允许成像设备使用较低剂量的辐射来获取 CT 扫描，而不会牺牲 CT 图像的清晰度。
使用低剂量辐射获取高质量 CT 图像有可能提高患者的安全性，并且对成像实践具有重要意义。
研究概览
详细说明
接受 CT 扫描作为其标准治疗的一部分的患者将被要求同意在常规剂量 CT 扫描之前使用极低剂量辐射进行额外 5 分钟的成像。 前瞻性审查将在两个队列中进行：胸部 CT 扫描和腹部 CT 扫描。
匿名图像将由传统 CT 软件处理，并与使用基于机器学习的 PixelShine 处理的相同图像进行比较。 获得委员会认证的放射科医生将评估成像数据的噪声和视觉质量。
通过参与研究，研究患者将接受比标准 CT 扫描多大约 10% 的剂量。 没有与本研究相关的已知短期安全问题。 与研究相关的极低剂量辐射水平远低于用于传统 X 射线成像的水平。 作为审查过程的一部分，该研究已获得辐射安全委员会的批准。
研究类型
介入性
注册 (预期的)
20
阶段
- 不适用
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
是的
有资格学习的性别
全部
描述
纳入标准：
- 患者必须年满 18 岁或以上
- 患者必须能够并愿意同意参与该项目
- 将安排患者进行标准护理 CT 扫描
排除标准：
- 本研究不调查特定疾病或特定患者群体 - 它仅检查和比较在低辐射暴露下获得的图像，这些图像是使用 Algomedica 的 PixelShine 软件后处理的图像与常规处理的图像
- 所有其他患者将被排除在外
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：诊断
- 分配：非随机化
- 介入模型：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器：胸部CT
传统处理与 PixelShine 处理
|
机器学习算法
迭代重建软件
|
|
有源比较器：腹部CT
传统处理与 PixelShine 处理
|
机器学习算法
迭代重建软件
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
通过图像降噪评估的视觉图像质量
大体时间：通过学习完成，平均1个月
|
图像噪声比较
|
通过学习完成，平均1个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
根据检测到的病灶大小评估图像分辨率
大体时间：通过学习完成，平均1个月
|
确定可检测物体的最小尺寸
|
通过学习完成，平均1个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (预期的)
2017年8月1日
初级完成 (预期的)
2017年10月1日
研究完成 (预期的)
2017年12月1日
研究注册日期
首次提交
2016年11月5日
首先提交符合 QC 标准的
2017年1月24日
首次发布 (估计)
2017年1月27日
研究记录更新
最后更新发布 (实际的)
2017年6月28日
上次提交的符合 QC 标准的更新
2017年6月26日
最后验证
2017年6月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.