定量超声成像软件平台的开发
2023年4月18日 更新者：Seoul National University Bundang Hospital
基于人工智能（AI）的高性能结构功能定量超声成像软件平台的开发
这项观察性研究的目的是比较常规超声和基于人工智能的超声软件在有意识的成年人中的图像差异。
它旨在回答的主要问题是通过确定新的图像分析方法是否有助于识别超过 30% 的组织学特征被认为是有效的来评估有效性。
参加者在签署同意书后，将使用前述两种方式进行检查。
研究概览
研究类型
观察性的
注册 (预期的)
196
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
-
-
Gyeonggi-do
-
Seongnam、Gyeonggi-do、大韩民国、13620
- Seoul National University Bundang 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
- 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
到首尔国立大学盆唐医院接受治疗或咨询的人。
描述
纳入标准：
- 患有心脏病、甲状腺疾病、乳腺疾病和肝病的人。
排除标准：
- 在相关目标器官上接受过手术的人。
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 |
|---|---|---|
|
定量超声信息
大体时间：5年
|
心脏、甲状腺和乳腺疾病的定量超声图像
|
5年
|
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。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Cheng PM, Malhi HS. Transfer Learning with Convolutional Neural Networks for Classification of Abdominal Ultrasound Images. J Digit Imaging. 2017 Apr;30(2):234-243. doi: 10.1007/s10278-016-9929-2.
- Chi J, Walia E, Babyn P, Wang J, Groot G, Eramian M. Thyroid Nodule Classification in Ultrasound Images by Fine-Tuning Deep Convolutional Neural Network. J Digit Imaging. 2017 Aug;30(4):477-486. doi: 10.1007/s10278-017-9997-y.
- F. Milletari, N. Navab and S. -A. Ahmadi. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation. 2016 Fourth International Conference on 3D Vision (3DV), Stanford, CA, USA. 2016; 565-571.
- Ma J, Wu F, Jiang T, Zhu J, Kong D. Cascade convolutional neural networks for automatic detection of thyroid nodules in ultrasound images. Med Phys. 2017 May;44(5):1678-1691. doi: 10.1002/mp.12134. Epub 2017 Apr 17.
- Chen H, Zheng Y, Park JH, Heng PA, Zhou SK. (2016). Iterative Multi-domain Regularized Deep Learning for Anatomical Structure Detection and Segmentation from Ultrasound Images. Medical Image Computing and Computer-Assisted Intervention - MICCAI 2016. 2016; 9901.
- Lekadir K, Galimzianova A, Betriu A, Del Mar Vila M, Igual L, Rubin DL, Fernandez E, Radeva P, Napel S. A Convolutional Neural Network for Automatic Characterization of Plaque Composition in Carotid Ultrasound. IEEE J Biomed Health Inform. 2017 Jan;21(1):48-55. doi: 10.1109/JBHI.2016.2631401. Epub 2016 Nov 22.
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9月1日
初级完成 (预期的)
2026年3月31日
研究完成 (预期的)
2026年3月31日
研究注册日期
首次提交
2023年4月18日
首先提交符合 QC 标准的
2023年4月18日
首次发布 (实际的)
2023年5月1日
研究记录更新
最后更新发布 (实际的)
2023年5月1日
上次提交的符合 QC 标准的更新
2023年4月18日
最后验证
2023年4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.