在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。解剖结构的误解会带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,能够在大面积上进行实时光学扫描,从而提供空间和光谱信息。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类。
我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。高光谱特征已成功使用,与机器学习算法结合在一起,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。
I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。
病情或疾病 | 干预/治疗 |
---|---|
甲状旁腺疾病甲状腺疾病肝癌肝转移消化癌消化灌注 | 其他:高光谱成像 |
研究类型 : | 观察 |
估计入学人数 : | 600名参与者 |
观察模型: | 队列 |
时间观点: | 预期 |
官方标题: | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 |
实际学习开始日期 : | 2020年9月22日 |
估计初级完成日期 : | 2024年9月22日 |
估计 学习完成日期 : | 2024年10月22日 |
小组/队列 | 干预/治疗 |
---|---|
甲状旁腺疾病 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
甲状腺疾病 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
肝肿瘤和转移 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
消化肿瘤 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
消化灌注 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
符合研究资格的年龄: | 18岁以上(成人,老年人) |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 不 |
采样方法: | 非概率样本 |
纳入标准:
排除标准:
联系人:Armelle Takeda,博士 | +33 390413608 | armelle.takeda@ihu-strasbourg.eu |
法国 | |
NHC服务de chirurgie Digestive et Endocrinienne | 招募 |
法国斯特拉斯堡 | |
联系人:Michele Diana,医学博士,博士Michele.diana@ihu-strasbourg.eu |
首席研究员: | 米歇尔·戴安娜(Michele Diana),医学博士 | 服务de chirurgie Digestive et Endocrinienne,NHC,Strasbourg |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2020年10月9日 | ||||
第一个发布日期 | 2020年10月19日 | ||||
最后更新发布日期 | 2020年10月19日 | ||||
实际学习开始日期 | 2020年9月22日 | ||||
估计初级完成日期 | 2024年9月22日(主要结果度量的最终数据收集日期) | ||||
当前的主要结果指标 | 收集人体组织光谱特征以构建光谱组织库并依次构建机器学习算法以实现实时自动化组织识别[时间范围:1天] 收集清洁和一致的数据集以及基于地面真理评估的准确性评估,例如临床评估和病理报告。 | ||||
原始主要结果指标 | 与电流相同 | ||||
改变历史 | |||||
当前的次要结果指标 |
| ||||
原始的次要结果指标 | 与电流相同 | ||||
当前其他预先指定的结果指标 | 不提供 | ||||
其他其他预先指定的结果指标 | 不提供 | ||||
描述性信息 | |||||
简短标题 | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 | ||||
官方头衔 | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 | ||||
简要摘要 | 在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。解剖结构的误解会带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,能够在大面积上进行实时光学扫描,从而提供空间和光谱信息。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类。 我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。高光谱特征已成功使用,与机器学习算法结合在一起,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。 I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。 | ||||
详细说明 | 在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。在微创手术的情况下,触觉反馈降低,外科医生的视力是区分组织的唯一线索。由于患者特异性的病理状况和/或外科医生的经验不足,对解剖结构的误解可能导致临界解剖结构的医源性损伤风险增加,并可能带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,将照片摄像头结合到光谱仪,并且能够以对比度的方式对大面积进行实时光学扫描,从而提供由空间和光谱信息,从而提供由空间和光谱信息。组织/光相互作用。该技术基于反射光谱成像测量的使用。该测量包括在该区域(正常的卤素灯,无伤人强度)对白光的照射以及以缓解光谱形式记录从该区域的恢复光谱强度的记录。入射光的光学相互作用(散射,吸收)与靶材料的各种成分(包括深度)(例如生物组织)改变光的光谱分布,从而使恢复的光带有有关当前材料或组织组成的信息和生理学(例如灌注)。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类,例如遥感,该图像信息最初是在大约15年前在人类医学领域应用的。由于非破坏性样本收集的内在优势,因此与常见的光学方式(显微镜,内窥镜)和定量,检查者无关结果的接口可能性,同时开发了各种方法,以利用医学中的高光谱成像的潜力。 它在生物医学领域的有用性已经被广泛证明。先前已将其用于消化手术中,以在几种过程中或肠系膜缺血中定量肠道氧化血红蛋白。以前的许多作品成功地集中在HSI区分正常组织和肿瘤组织的能力上,在前列腺癌,结直肠癌,胃癌,胶质母细胞瘤,头颈癌。在肿瘤学领域,高光谱特征分类的进步非常出色,并导致成功使用了复杂的深度学习算法。在手术中,已经研究了HSI摄像机的有用性,以使手术区域在困难的出血下可视化手术场,或者在手术切除后发现切除缘中的肿瘤存在。 一个日本组使用HSI系统作为附加可视化工具来检测肠道缺血并对腹腔内解剖结构进行分类。他们确定了特定的波长(756-830 nm),以区分健康和灌注不足的肠。他们还证明了脾,结肠,小肠,膀胱和腹膜具有不同的光谱特征。这一发现可能会在将来基于HSI的操作领域导航。我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。 其他小组先前试图区分胆管与血管,食管与气管组织,甲状腺腺体甲状腺,甲状腺,神经和输尿管的甲状腺,周围的组织。但是,使用简单的特征歧视算法或带选择方法进行了针对识别关键解剖结构的先前作品。每次采集后获得的信息量根据摄像机的分辨率而变化,但很大,因此需要用于数据分类和特征提取的机器和深度学习技术。在猪模型中的一系列受控实验中,已经成功使用了高光谱特征,与机器学习算法结合使用,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。 I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:队列 时间观点:前瞻性 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 不提供 | ||||
采样方法 | 非概率样本 | ||||
研究人群 | 接受开放手术或紧急手术的患者。接受腹腔镜手术的患者还将了解这项研究,如果转化为开放手术,将纳入研究。 | ||||
健康)状况 |
| ||||
干涉 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 | ||||
研究组/队列 | |||||
出版物 * |
| ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。 | |||||
招聘信息 | |||||
招聘状况 | 招募 | ||||
估计入学人数 | 600 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2024年10月22日 | ||||
估计初级完成日期 | 2024年9月22日(主要结果度量的最终数据收集日期) | ||||
资格标准 | 纳入标准:
排除标准:
| ||||
性别/性别 |
| ||||
年龄 | 18岁以上(成人,老年人) | ||||
接受健康的志愿者 | 不 | ||||
联系人 |
| ||||
列出的位置国家 | 法国 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04589884 | ||||
其他研究ID编号 | 20-005 | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 |
| ||||
责任方 | Ihu Strasbourg | ||||
研究赞助商 | Ihu Strasbourg | ||||
合作者 | 弧癌研究基金会 | ||||
调查人员 |
| ||||
PRS帐户 | Ihu Strasbourg | ||||
验证日期 | 2020年10月 |
在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。解剖结构的误解会带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,能够在大面积上进行实时光学扫描,从而提供空间和光谱信息。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类。
我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。高光谱特征已成功使用,与机器学习算法结合在一起,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。
I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。
病情或疾病 | 干预/治疗 |
---|---|
甲状旁腺疾病甲状腺疾病' target='_blank'>甲状腺疾病肝癌肝转移消化癌消化灌注 | 其他:高光谱成像 |
研究类型 : | 观察 |
估计入学人数 : | 600名参与者 |
观察模型: | 队列 |
时间观点: | 预期 |
官方标题: | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 |
实际学习开始日期 : | 2020年9月22日 |
估计初级完成日期 : | 2024年9月22日 |
估计 学习完成日期 : | 2024年10月22日 |
小组/队列 | 干预/治疗 |
---|---|
甲状旁腺疾病 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
甲状腺疾病' target='_blank'>甲状腺疾病 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
肝肿瘤和转移 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
消化肿瘤 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
消化灌注 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 |
符合研究资格的年龄: | 18岁以上(成人,老年人) |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 不 |
采样方法: | 非概率样本 |
纳入标准:
排除标准:
联系人:Armelle Takeda,博士 | +33 390413608 | armelle.takeda@ihu-strasbourg.eu |
法国 | |
NHC服务de chirurgie Digestive et Endocrinienne | 招募 |
法国斯特拉斯堡 | |
联系人:Michele Diana,医学博士,博士Michele.diana@ihu-strasbourg.eu |
首席研究员: | 米歇尔·戴安娜(Michele Diana),医学博士 | 服务de chirurgie Digestive et Endocrinienne,NHC,Strasbourg |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2020年10月9日 | ||||
第一个发布日期 | 2020年10月19日 | ||||
最后更新发布日期 | 2020年10月19日 | ||||
实际学习开始日期 | 2020年9月22日 | ||||
估计初级完成日期 | 2024年9月22日(主要结果度量的最终数据收集日期) | ||||
当前的主要结果指标 | 收集人体组织光谱特征以构建光谱组织库并依次构建机器学习算法以实现实时自动化组织识别[时间范围:1天] 收集清洁和一致的数据集以及基于地面真理评估的准确性评估,例如临床评估和病理报告。 | ||||
原始主要结果指标 | 与电流相同 | ||||
改变历史 | |||||
当前的次要结果指标 |
| ||||
原始的次要结果指标 | 与电流相同 | ||||
当前其他预先指定的结果指标 | 不提供 | ||||
其他其他预先指定的结果指标 | 不提供 | ||||
描述性信息 | |||||
简短标题 | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 | ||||
官方头衔 | 术中检查基于机器学习的高光谱进行诊断和自主解剖学评估 | ||||
简要摘要 | 在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。解剖结构的误解会带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,能够在大面积上进行实时光学扫描,从而提供空间和光谱信息。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类。 我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。高光谱特征已成功使用,与机器学习算法结合在一起,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。 I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。 | ||||
详细说明 | 在手术过程中,对目标结构的术中识别(需要保留或选择性去除)至关重要。这项任务主要依赖于操作员的解剖学知识和经验。在微创手术的情况下,触觉反馈降低,外科医生的视力是区分组织的唯一线索。由于患者特异性的病理状况和/或外科医生的经验不足,对解剖结构的误解可能导致临界解剖结构的医源性损伤风险增加,并可能带来毁灭性的后果。高光谱成像(HSI)代表了一种有前途的技术,将照片摄像头结合到光谱仪,并且能够以对比度的方式对大面积进行实时光学扫描,从而提供由空间和光谱信息,从而提供由空间和光谱信息。组织/光相互作用。该技术基于反射光谱成像测量的使用。该测量包括在该区域(正常的卤素灯,无伤人强度)对白光的照射以及以缓解光谱形式记录从该区域的恢复光谱强度的记录。入射光的光学相互作用(散射,吸收)与靶材料的各种成分(包括深度)(例如生物组织)改变光的光谱分布,从而使恢复的光带有有关当前材料或组织组成的信息和生理学(例如灌注)。 HSI是一种已经建立的方法,可以在许多科学领域(例如遥感)中客观地对图像信息进行分类,例如遥感,该图像信息最初是在大约15年前在人类医学领域应用的。由于非破坏性样本收集的内在优势,因此与常见的光学方式(显微镜,内窥镜)和定量,检查者无关结果的接口可能性,同时开发了各种方法,以利用医学中的高光谱成像的潜力。 它在生物医学领域的有用性已经被广泛证明。先前已将其用于消化手术中,以在几种过程中或肠系膜缺血中定量肠道氧化血红蛋白。以前的许多作品成功地集中在HSI区分正常组织和肿瘤组织的能力上,在前列腺癌,结直肠癌,胃癌,胶质母细胞瘤,头颈癌。在肿瘤学领域,高光谱特征分类的进步非常出色,并导致成功使用了复杂的深度学习算法。在手术中,已经研究了HSI摄像机的有用性,以使手术区域在困难的出血下可视化手术场,或者在手术切除后发现切除缘中的肿瘤存在。 一个日本组使用HSI系统作为附加可视化工具来检测肠道缺血并对腹腔内解剖结构进行分类。他们确定了特定的波长(756-830 nm),以区分健康和灌注不足的肠。他们还证明了脾,结肠,小肠,膀胱和腹膜具有不同的光谱特征。这一发现可能会在将来基于HSI的操作领域导航。我们的小组最近使用HSI作为猪模型中的术中工具来量化胃肠道的器官针对健壮的生物学标记的灌注。结果表明,该技术能够以高度的精度量化肠血供应。 其他小组先前试图区分胆管与血管,食管与气管组织,甲状腺腺体甲状腺,甲状腺,神经和输尿管的甲状腺,周围的组织。但是,使用简单的特征歧视算法或带选择方法进行了针对识别关键解剖结构的先前作品。每次采集后获得的信息量根据摄像机的分辨率而变化,但很大,因此需要用于数据分类和特征提取的机器和深度学习技术。在猪模型中的一系列受控实验中,已经成功使用了高光谱特征,与机器学习算法结合使用,以区分术中神经或输尿管等精细解剖结构(未发表的数据)。 I-EX-MACHYNA3研究旨在将HSI技术与几种深度学习算法结合转换,以区分不同类别的人体组织(包括关键的解剖结构,例如BD,NERVES和URETERS)。 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:队列 时间观点:前瞻性 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 不提供 | ||||
采样方法 | 非概率样本 | ||||
研究人群 | 接受开放手术或紧急手术的患者。接受腹腔镜手术的患者还将了解这项研究,如果转化为开放手术,将纳入研究。 | ||||
健康)状况 | |||||
干涉 | 其他:高光谱成像 手术场的高光谱图像将在手术过程中的几个时间点收集。所使用的设备是Tivita®紧凑型高光谱成像系统(德国透视视觉GmbH)。它是CE(欧洲经济区)批准的设备。收购大约需要10秒,无对比度且无接触性。 | ||||
研究组/队列 | |||||
出版物 * |
| ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符(NCT编号)确定的出版物。 | |||||
招聘信息 | |||||
招聘状况 | 招募 | ||||
估计入学人数 | 600 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2024年10月22日 | ||||
估计初级完成日期 | 2024年9月22日(主要结果度量的最终数据收集日期) | ||||
资格标准 | 纳入标准:
排除标准:
| ||||
性别/性别 |
| ||||
年龄 | 18岁以上(成人,老年人) | ||||
接受健康的志愿者 | 不 | ||||
联系人 |
| ||||
列出的位置国家 | 法国 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04589884 | ||||
其他研究ID编号 | 20-005 | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 |
| ||||
责任方 | Ihu Strasbourg | ||||
研究赞助商 | Ihu Strasbourg | ||||
合作者 | 弧癌研究基金会 | ||||
调查人员 |
| ||||
PRS帐户 | Ihu Strasbourg | ||||
验证日期 | 2020年10月 |