此页面是自动翻译的，不保证翻译的准确性。请参阅英文版对于源文本。

具有人工智能的增强支气管内超声 (EBUS-TBNA)

2025年8月18日更新者：Norwegian University of Science and Technology

使用深度神经网络自动分割支气管内超声 (EBUS) 图像中的纵隔淋巴结和血管

评估深度神经网络 (DNN) 在使用支气管内超声 (EBUS) 评估纵隔和肺门淋巴结中的有用性。该研究将探索 DNN 识别 EBUS 检查的淋巴结和血管的可行性。

研究概览

地位

招聘中

条件

干预/治疗

设备：机器学习算法

详细说明

多中心前瞻性可行性研究。 DNN 模型将在带有注释的超声图像上进行训练，以识别用 EBUS 检查的淋巴结和血管。 DNN 根据术后处理和静态 EBUS 图像分割淋巴结和血管的能力将在研究的第一部分进行评估。在研究的第二部分，将评估 DNN 在 EBUS 程序中的实时使用。

研究类型

观察性的

注册 (估计的)

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。

学习联系方式

姓名：Øyvind Ervik, MD
电话号码：+4791634595
邮箱：oyvind.ervik@ntnu.no

研究联系人备份

姓名：Hanne Sorger, MD,PhD
电话号码：+4791816787
邮箱：hanne.sorger@ntnu.no

学习地点

挪威
- - Levanger、挪威、7600
    - 招聘中
    - Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
    - 接触：
      
      Øyvind Ervik, MD
      
      电话号码：+4791634595
      
      邮箱：oyvind.ervik@ntnu.no
  - Trondheim、挪威、7030
    - 招聘中
    - Department of Thoracic Medicine, St Olavs Hospital
    - 接触：
      
      Håkon O Leira, MD, PhD
      
      电话号码：+4799014967
      
      邮箱：håkon.o.leira@ntnu.no

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

不

取样方法

非概率样本

研究人群

已推荐进行支气管内超声经支气管针吸活检 (EBUS-TBNA) 的未确诊纵隔和肺门淋巴结肿大患者。

描述

纳入标准：

受试者因未确诊的纵隔和肺门淋巴结肿大而转诊至任何参与医院的胸科。
受试者必须年满 18 岁

排除标准：

怀孕
研究者出于任何原因认为不适合本研究的任何患者。

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

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
能力大体时间：8个月	探索深度神经网络 (DNN) 是否具有从 EBUS 图像中分割淋巴结和血管的能力	8个月

次要结果测量

结果测量	措施说明	大体时间
精确大体时间：2个月	DNN 检测淋巴结和血管的精度。测量 EBUS 图像中的每个体素和每个注释结构（如果至少 50% 的注释像素被 DNN 识别，则该结构被视为检测到）。	2个月
灵敏度大体时间：2个月	真阳性率。正确检测淋巴结/血管超过总淋巴结/血管。在 EBUS 图像中按像素测量	2个月
特异性大体时间：2个月	特异性 =（真阴性）/（真阴性 + 假阳性）。在 EBUS 图像中按像素测量。	2个月
骰子相似系数大体时间：2个月	测量两组数据之间的相似性：由肺科医生注释与 DNN。	2个月
运行大体时间：2个月	EBUS 期间的实时分析运行时间是否足够短？	2个月
不良事件大体时间：48小时	注册的程序相关不良事件或意外事件	48小时

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。

赞助

Norwegian University of Science and Technology

合作者

Helse Nord-Trøndelag HF

SINTEF Health Research

调查人员

研究主任：Øivind Rognmo, Dr.philos、Norwegian University of Science and Technology

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)

2023年5月1日

初级完成 (估计的)

2027年5月1日

研究完成 (估计的)

2027年12月1日

研究注册日期

首次提交

2023年2月13日

首先提交符合 QC 标准的