Clinical Trials/ChiCTR2100049577

ChiCTR2100049577CompletedEarly Phase 1

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 site in 1 countryStarted: March 1, 2018Last updated: April 10, 2022

Conditions

Trial Snapshot

Phase: Early Phase 1
Status: Completed
Sponsor
Locations: 1
Primary Endpoint: 敏感性

Study Overview Study Design Eligibility Criteria Outcomes Investigators Sites Records & Identifiers Similar Trials

Study Overview

Brief Summary

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。

Study Design

Study Type: 诊断试验
Primary Purpose: 连续入组
Masking: None

Eligibility Criteria

Ages: 10 to 82 (—)
Sex: Female

Inclusion Criteria

•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。

Exclusion Criteria

•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

Outcomes

Primary Outcomes

敏感性

特异性

准确度

阴性预测值

Secondary Outcomes

No secondary outcomes reported

Investigators

Sponsor

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

Study Sites (1)

Loading locations...

Similar Trials

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

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

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

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

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