深度学习在肠梗阻 X 光照片分类中的应用
2024年3月13日 更新者：The First Affiliated Hospital of Soochow University
直立腹部放射线检查肠梗阻分类的自我监督学习
背景：在直立腹部X光片上准确标记梗阻部位是一项具有挑战性的任务。 缺乏基本事实会导致监督学习模型的性能不佳。 为了解决这个问题，提出了自我监督学习（SSL），使用一些已确认的样本对正常、小肠梗阻（SBO）和大肠梗阻（LBO）射线照片进行分类。
方法：根据真实情况对少量已确认的和大量未标记的射线照片进行分类。 SSL模型首先在未标记的射线照片上进行训练，然后在已确认的射线照片上进行微调。 嵌入式基础编码器采用ResNet50和VGG16，其权重和参数在训练过程中进行调整。 此外，它还在独立数据集上进行了测试，与监督学习模型和人类解释器进行了比较。 最后，使用 t-SNE 和 Grad-CAM 可视化模型的解释。
研究概览
研究类型
观察性的
注册 (估计的)
4500
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
-
-
Jiangsu
-
Suzhou、Jiangsu、中国、215006
- TheFirst Affiliated Hospital of Soochow University
-
-
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
概率样本
研究人群
本研究包括接受直立腹部X光片的参与者。
他们可以分为腹部X光片正常的参与者、小肠梗阻的参与者和大肠梗阻的参与者。
该研究严格遵循纳入和排除标准。
描述
纳入标准：
- 医院影像系统寻找2022年至2024年间诊断为肠梗阻或正常的腹部平片
- 年龄18岁至80岁
- 主要抱怨是胃肠道症状
排除标准：
- 图像干扰，表现模糊，难以区分
- 非胃肠道症状是主要主诉
- 仰卧位、俯卧位或侧卧位 X 线摄影
- 麻痹性梗阻、闭环梗阻等
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
队列和干预
团体/队列 |
|---|
|
腹部X光片正常的患者
腹部X光片正常的患者，经额外影像学检查和临床数据证实。
影像学检查包括随后72小时内的CT、磁共振成像（MRI）和结肠镜检查，临床数据包括近期入院信息和手术记录。
|
|
小肠梗阻患者的X光片
有小肠梗阻X光片的患者，经额外影像学检查和临床数据证实。
影像学检查包括随后72小时内的CT、磁共振成像（MRI）和结肠镜检查，临床数据包括近期入院信息和手术记录。
从部位来看，小肠梗阻（SBO）涉及十二指肠、空肠和回肠
|
|
大肠梗阻患者的X光片
有大肠梗阻X光片的患者，经额外影像学检查和临床数据证实。
影像学检查包括随后72小时内的CT、磁共振成像（MRI）和结肠镜检查，临床数据包括近期入院信息和手术记录。
从部位来看，大肠梗阻（SBO）涉及盲肠、结肠和直肠。
|
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 |
|---|---|---|
|
诊断和分类性能
大体时间：1周
|
准确率、召回率、精确率、F1 分数和混淆矩阵
|
1周
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
自监督模型的可视化解释
大体时间：1周
|
Grad-CAM 和 t-SNE 可视化 SSL 模型的解释
|
1周
|
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
- 研究主任：Rui Li, MD、The First Affiliated Hospital of Soochow University
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
- Markogiannakis H, Messaris E, Dardamanis D, Pararas N, Tzertzemelis D, Giannopoulos P, Larentzakis A, Lagoudianakis E, Manouras A, Bramis I. Acute mechanical bowel obstruction: clinical presentation, etiology, management and outcome. World J Gastroenterol. 2007 Jan 21;13(3):432-7. doi: 10.3748/wjg.v13.i3.432.
- Cheng PM, Tran KN, Whang G, Tejura TK. Refining Convolutional Neural Network Detection of Small-Bowel Obstruction in Conventional Radiography. AJR Am J Roentgenol. 2019 Feb;212(2):342-350. doi: 10.2214/AJR.18.20362. Epub 2018 Nov 26.
- Kim DH, Wit H, Thurston M, Long M, Maskell GF, Strugnell MJ, Shetty D, Smith IM, Hollings NP. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021 Jun 1;94(1122):20201407. doi: 10.1259/bjr.20201407. Epub 2021 Apr 27.
- Frager D. Intestinal obstruction role of CT. Gastroenterol Clin North Am. 2002 Sep;31(3):777-99. doi: 10.1016/s0889-8553(02)00026-2.
- Cappell MS, Batke M. Mechanical obstruction of the small bowel and colon. Med Clin North Am. 2008 May;92(3):575-97, viii. doi: 10.1016/j.mcna.2008.01.003.
- ten Broek RP, Strik C, Issa Y, Bleichrodt RP, van Goor H. Adhesiolysis-related morbidity in abdominal surgery. Ann Surg. 2013 Jul;258(1):98-106. doi: 10.1097/SLA.0b013e31826f4969.
- Vanderbecq Q, Ardon R, De Reviers A, Ruppli C, Dallongeville A, Boulay-Coletta I, D'Assignies G, Zins M. Adhesion-related small bowel obstruction: deep learning for automatic transition-zone detection by CT. Insights Imaging. 2022 Jan 24;13(1):13. doi: 10.1186/s13244-021-01150-y.
- Chen Y, Mancini M, Zhu X, Akata Z. Semi-Supervised and Unsupervised Deep Visual Learning: A Survey. IEEE Trans Pattern Anal Mach Intell. 2024 Mar;46(3):1327-1347. doi: 10.1109/TPAMI.2022.3201576. Epub 2024 Feb 6.
- Li G, Togo R, Ogawa T, Haseyama M. Self-supervised learning for gastritis detection with gastric X-ray images. Int J Comput Assist Radiol Surg. 2023 Oct;18(10):1841-1848. doi: 10.1007/s11548-023-02891-5. Epub 2023 Apr 11.
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)
2022年12月31日
初级完成 (估计的)
2024年4月30日
研究完成 (估计的)
2024年12月31日
研究注册日期
首次提交
2024年3月13日
首先提交符合 QC 标准的
2024年3月13日
首次发布 (实际的)
2024年3月20日
研究记录更新
最后更新发布 (实际的)
2024年3月20日
上次提交的符合 QC 标准的更新
2024年3月13日
最后验证
2024年3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.
结肠息肉的临床试验
-
Swansea University完全的
-
Scripps Translational Science Institute完全的