洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 临床进展 基于深度学习的肌少症诊断多模态系统开发及系统临床应用研究

【ChiCTR2100049705】基于深度学习的肌少症诊断多模态系统开发及系统临床应用研究

查看原文
立即下载
基本信息
登记号

ChiCTR2100049705

试验状态

尚未开始

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2021-08-08

临床申请受理号

/

靶点

/

适应症

肌少症

试验通俗题目

基于深度学习的肌少症诊断多模态系统开发及系统临床应用研究

试验专业题目

基于深度学习的肌少症诊断多模态系统开发及队列研究

申办单位信息
申请人联系人
请登录查看
申请人名称
请登录查看
联系人邮箱
请登录查看
联系人邮编

联系人通讯地址
请登录查看
临床试验信息
试验目的

肌肉组织量化是人体健康评估的重要组成部分，量化主要包括肌肉大小、质量、功能等方面的测量。肌少症是一种与年龄相关的骨骼肌质量和功能丧失的疾病，主要表现为肌肉质量、肌肉力量和运动性能降低。也可以被定义为一种以骨骼肌质量和力量的进行性和全身性丧失为特征的综合征。 目前，我们主要采用手动或半自动化分割方法，此类方法高度依赖于人工评估，主观性强且缺乏统一标准，除此之外，此类方法耗时且要求有经过训练后的医生进行操作。以上的缺点使得该类方法很难进行大规模数据研究，为肌肉质量CT测量截点值的获取带来了困难。利用深度学习方法实现自动精确的肌肉分割了克服上述缺点，深度学习方法是一种能够从数据中学习具有代表性和分层次的图像特征的方法，从而摆脱对专家的经验和知识的依赖，并极大提高了工作效率。目前，已经有研究人员利用深度学习技术进行自动分割量化肌肉面积，不同的研究使用了不同的算法，如全层卷积神经网络(FCN)、多图谱分割模型、U-Net神经网络等。目前大多数研究的测量部位是腹部和/或四肢肌肉组织。 本研究中，我们利用神经网络深度学习算法，进行肌群的自动分割，并通过多中心多模态研究，获得肌肉参数截点值。上述工作为肌少症的诊断及治疗后随访提供数据基础。

试验分类
请登录查看
试验类型

连续入组

试验分期

诊断试验新技术

随机化

No

盲法

N/A

试验项目经费来源

自筹经费

试验范围

/

目标入组人数

28000

实际入组人数

/

第一例入组时间

2021-09-01

试验终止时间

2023-09-01

是否属于一致性

/

入选标准

从PACS(picture and archiving systems)数据库中收集2021年9月至2022年3月在医院行CT、MRI或PET检查的患者，病例按时间收集，不考虑患者诊断。；

排除标准

患者骨折、运动伪影和散在伪影、硬体、手术、占位、脊柱侧凸和后凸。；

研究者信息
研究负责人姓名
请登录查看
试验机构

北京积水潭医院

研究负责人电话
请登录查看
研究负责人邮箱
请登录查看
研究负责人邮编

/

联系人通讯地址
请登录查看
更多信息
获取更多临床信息查看权限
立即前往摩熵医药企业版免费查询
示例数据
<END>

北京积水潭医院的其他临床试验

更多

北京积水潭医院的其他临床试验

更多

最新临床资讯

更多
摩熵医药企业版
50亿+条医药数据随时查
7天免费试用
体验产品