ChiCTR2100049577已完成早期 1 期
基于超声图像深度学习的卵巢癌诊断及预后评估模型的建立
国家重点基础研究发展规划项目，国家科技支撑计划，国家科技支撑计划国家科技支撑计划国家自然科学基金1 个研究点 分布在 1 个国家开始时间: 2018年3月1日最近更新:
适应症
试验速览
- 阶段
- 早期 1 期
- 状态
- 已完成
- 发起方
- 试验地点
- 1
- 主要终点
- 敏感性
研究概览
简要总结
明确基于盆腔超声图像的深度学习模型作为卵巢癌诊断模型的灵敏度、特异度、准确性、阳性预测值、阴性预测值；探索此模型预测卵巢癌患者预后的潜能。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- None
入排标准
- 年龄范围
- 10 至 82（—）
- 性别
- Female
入选标准
- •1.同意参与该临床研究并签署了知情同意书；
- •2.入组时未开始任何形式的治疗（包括但不限于，附件包块切除手术，化疗，靶向治疗等）；
- •3.入组后的附件包块患者有明确病理诊断；
- •4.无除卵巢癌外的其他恶性肿瘤病史。
排除标准
- •1.不配合或参与其他临床试验者；
- •患有其他恶性肿瘤史者；
- •附件病变无明确病理诊断者
结局指标
主要结局
敏感性
特异性
准确度
阴性预测值
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
超声人工智能多模态诊断模型在卵巢肿瘤中的应用：一项多中心前瞻性对照临床研究卵巢肿瘤ChiCTR2200055907无经费来源
已完成
Unknown
基于多模态深度学习的数字病理特征预测卵巢癌铂敏感性和复发风险卵巢癌ChiCTR2500114794北京协和医学院医学科学创新基金400
Unknown
不适用
应用基于彩色多普勒超声的深度学习方法对子宫肿瘤分类及早期诊断的研究ChiCTR1800017554自筹
Unknown
不适用
基于超声图像 AI 深度学习的绝经后子宫内膜癌预测模型的建立子宫内膜癌ChiCTR2000035386国际和平妇幼保健院院内课题4,000
Unknown
不适用
面向卵巢癌转移灶的人工智能精准分割与结构化报告智能可信生成上皮性卵巢癌ChiCTR2500106668中国医学科学院医学与健康科技创新工程项目