ChiCTR2400089949
Not yet recruiting
Early Phase 1
NEC 识图:AI 辅助的 X 光图像解读
自选课题(自筹)1 site in 1 countryStarted: October 1, 2024Last updated:
Overview
- Phase
- Early Phase 1
- Status
- Not yet recruiting
- Sponsor
- 自选课题(自筹)
- Locations
- 1
- Primary Endpoint
- 诊断的准确性
Overview
Brief Summary
3.1 主要研究目的 提高诊断效率和准确性:开发基于深度学习的自动诊断系统,提升坏死性小肠结肠炎的诊断速度和准确度,以辅助医生,缓解医疗资源紧张。
3.2 次要研究目的 深度学习与传统方法的比较:探索深度学习在数据驱动、自动特征提取和模型复杂性方面与传统方法的不同。 深度学习的优势:强调深度学习在处理大数据、准确性、通用性和端到端学习方面的优势。 模型的可靠性和稳定性评估:确保深度学习模型在不同数据集和环境中的稳定性和可靠性,特别是在临床应用中。 局限性和优化方向分析:识别深度学习在自动诊断中的潜在局限,并提出未来研究和优化的方向。
Study Design
- Study Type
- 诊断试验
- Primary Purpose
- 诊断试验诊断准确性
- Masking
- 无
Eligibility Criteria
- Ages
- 0 to 1 (—)
- Sex
- All
Inclusion Criteria
- •1.入住 NICU 的新生儿 (2)接受床边腹部平片的患儿 (3)病例组为出院诊断为坏死性小肠结肠炎的病人;
Exclusion Criteria
- •1.染色异常的新生儿 (2)有肠道闭锁等畸形的新生儿 (3)其他肠道异常疾病患者 (4)X 光检查不清晰;
Outcomes
Primary Outcomes
诊断的准确性
Secondary Outcomes
- 召回率(Recall)
- 敏感性(Sensitivity)
- 特异性(Specificity)
- 精确度(Precision)
- F1 值
Investigators
Study Sites (1)
Loading locations...
Similar Trials
Unknown
Not Applicable
基于人工智能深度学习算法对结肠病变的识别及追踪定位的研究ChiCTR2000028906自筹
Unknown
Not Applicable
基于人工智能辅助的先天性巨结肠病理分级辅助诊断系统建立ChiCTR2000035860上海市科委科技创新行动计划医学引导类科技支撑项目(项目号:19411968900)
Unknown
Not Applicable
一项基于深度学习的辅助诊断系统对提高肠上皮化生分级诊断准确度的有效性研究ChiCTR2300067901无
Unknown
Not Applicable
基于深度学习的胶囊内镜及小肠 CT 技术对小肠病变识别及定位诊断的研究ChiCTR23000776792021 年江苏省研究生科研与实践创新计划
Unknown
Not Applicable
吴庆尧医师:该研究尚未获得伦理委员会批准。请于批准后再开始纳入参试者,并与我们联系上传批件。 基于 Faster R-CNN 的直肠癌 T 分期自动诊断系统的建立及临床认证ChiCTR1900023575青岛大学数字医学与计算机辅助手术研究院