基于CT成像的肌肉参数测量的人工智能算法的应用
2025年2月20日 更新者：Yaomin Hu、RenJi Hospital
基于CT成像的人工智能算法在肌肉诊断中的肌肉参数测量
建立一个基于CT成像的肌肉减少症自动诊断的人工智能模型
研究概览
详细说明
随着衰老过程的加速，肌肉减少症的早期鉴定和诊断，以及有效预防其不良后果，已成为医学研究的重点。
但是，当前评估和诊断肌肉减少症的方法仍然面临着重大局限性，这使得开发更有效，更准确的肌肉质量评估技术是紧迫的临床需求。
尽管CT被认为是评估肌肉质量的最有前途的方法，但其实际应用受到诸如依赖医师专业知识和时间耗时的程序等因素的阻碍，从而限制了其广泛的临床采用。
鉴于这些挑战，这项研究旨在开发一种基于腹部CT成像的全自动肌肉质量测量的人工智能模型，并验证其应用价值以帮助诊断肌肉减少症。
研究类型
观察性的
注册 (实际的)
1080
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
-
-
Shanghai
-
Shanghai、Shanghai、中国、2000127
- Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee
-
-
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
是的
取样方法
非概率样本
研究人群
Renji医院老年医院老年医院的960名住院患者，来自Ruijin医院的20名患者隶属于上海Jiaotong大学医学院，20名来自Zhejiang医科大学第一家附属医院的患者，来自Wenzhou医学院的第一位分支机构医院的50名患者，30名来自Huangshan Pefure Hospital的患者。
描述
纳入标准：
- 接受BIA和腹部CT检查的人群；
- 可以合作以完成人体组成分析，握持力量测量，6m步行时间测量和问卷调查。
排除标准：
- 年龄<18岁；
- 腹壁水肿的存在；
- 脊柱手术或椎骨骨折或椎骨病变的病史；
- 神经肌肉疾病的史。
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 |
|---|---|---|
|
自动，精确地量化三维肌肉体积和脂肪体积。
大体时间：2020-2023
|
通过深度学习，在L3椎骨区域实现了三维肌肉体积和脂肪体积的自动定量。
|
2020-2023
|
|
建立一个人工智能模型，用于诊断肌肉减少症。
大体时间：2020-2023
|
人工智能模型的验证可以帮助诊断肌肉减少症。
|
2020-2023
|
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 (实际的)
2023年9月5日
初级完成 (实际的)
2024年12月31日
研究完成 (实际的)
2024年12月31日
研究注册日期
首次提交
2025年2月20日
首先提交符合 QC 标准的
2025年2月20日
首次发布 (实际的)
2025年3月25日
研究记录更新
最后更新发布 (实际的)
2025年3月25日
上次提交的符合 QC 标准的更新
2025年2月20日
最后验证
2025年2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.