基于MR的髋臼盂唇损伤研究：多角度深度学习模型
2021年6月29日 更新者：Peking University Third Hospital
本研究的目的是通过深度学习方法研究髋臼唇损伤的MRI图像，并尝试建立轴位和冠状序列图像的组合模型，并与放射科医师的诊断准确率进行比较，建立深度学习方法用于髋臼唇损伤的诊断。准确识别和分类髋臼唇损伤。
研究概览
详细说明
- 基于CNN的髋臼唇图像检测：使用轴位和冠状位T2-fs图像，并对所有图像进行校正和标准化。 应用CNN对带有髋臼唇的图像进行识别和学习，从完整序列中选择带有髋臼唇结构的图像，删除没有髋臼唇结构的图像。 将所有数据分成一个训练集（70%，训练集中的30%作为验证集），其余30%作为测试集来评估模型识别的准确性。 将得到的结果输入下一步。
- Recognition and segmentation of acetabular labrum based on Densenet：使用Densenet从所选图像中识别和学习髋臼唇。 LabelImg用于手动定位髋臼唇坐标，然后将其输入Python进行识别学习。 将所有数据分成一个训练集（70%，然后选取训练集中的30%作为验证集），剩下的30%作为测试集来评价模型识别的准确率。 识别盂唇结构后，对盂唇结构进行局部切割放大，去除冗余信息。 最后将结果输入到下一步。
- 基于 3D-CNN 的髋臼唇损伤的识别和分级：输入数据由 3D-CNN 模型识别和分级。 3D-CNN分为八层：输入层、硬线层H1、卷积层C2、下采样层S3、卷积层C4、下采样层S5、卷积层C6和输出层。 3D-CNN通过堆叠多个连续的帧来构造一个立方体，然后在立方体中使用一个3D卷积核。 通过这种结构，卷积层中的特征图像将与上一层中的多个相邻帧连接起来，实现连续图像的信息获取。 同理，将数据分成训练集（70%，然后选取训练集的30%作为验证集），剩下的30%作为测试集，评估分类准确率，以识别损伤盂唇的损伤并对病例进行分类。
- 组合模型：根据上述过程（1-3），分别对轴位和冠状图像建立模型后，根据CNN分类模型的输出特征，在输出结果前预测不同等级的概率，输出结果是根据这些概率选择最大可能概率的表达形式。 我们的组合模型对这些不同分类的概率进行平均，计算出最终的预测概率，然后得到最终的模型。 第三步的测试集（包括轴位和冠状图像的混合数据）用于验证模型。
- 放射科医师与深度学习对比：列出上述步骤3中的测试集案例，请两位MSK专业放射科医师对是否有损伤及损伤程度进行分类，并与人工诊断结果进行对比（两位医生独立读图并通过模拟无提示写报告的正常状态得到诊断结果）。 最后将人工诊断的准确率与第四步得到的组合模型的准确率进行比较。
研究类型
观察性的
注册 (实际的)
1261
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、010
- Peking University Third Hospital
-
-
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
- 孩子
- 成人
- 年长者
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
2018年9月至2020年9月在北京大学第三医院放射科进行MRI检查。
描述
纳入标准：
- 影像学检查前未经任何治疗；
- 术前3个月内行髋关节MR，图像质量良好；
- 关节镜手术在我院进行，手术记录完整。
排除标准：
- 髋关节手术史、肿瘤史或既往骨折史；
- 图像不清晰、伪影严重或临床数据不完整。
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
- 观测模型：病例对照
- 时间观点：追溯
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
正常对照组-0级
髋关节镜检查正常，盂唇完好无损伤或撕裂。
|
以髋关节镜检查结果为金标准，以MRI检查为研究对象。
|
|
韧带损伤 - 1 级
髋关节镜检查显示盂唇退化或损伤，但没有局部或完全撕裂。
|
以髋关节镜检查结果为金标准，以MRI检查为研究对象。
|
|
韧带撕裂-2 级
髋关节镜检查显示盂唇部分或完全缺失。
|
以髋关节镜检查结果为金标准，以MRI检查为研究对象。
|
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 |
|---|---|---|
|
基于MR的髋臼唇损伤研究：多角度深度学习模型
大体时间：2020.12.01-2021.05.30
|
获得深度学习模型用于盂唇损伤的诊断和分级，并与不同阶段的医生进行比较。
|
2020.12.01-2021.05.30
|
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。
调查人员
- 学习椅：huishu Yuan, MD、Peking University Third Hospital
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 (实际的)
2020年12月1日
初级完成 (实际的)
2021年4月30日
研究完成 (实际的)
2021年5月30日
研究注册日期
首次提交
2021年6月29日
首先提交符合 QC 标准的
2021年6月29日
首次发布 (实际的)
2021年7月2日
研究记录更新
最后更新发布 (实际的)
2021年7月2日
上次提交的符合 QC 标准的更新
2021年6月29日
最后验证
2021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.