Skip to main content
Clinical Trials/ChiCTR2400089949
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

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

Sponsor
自选课题(自筹)

Study Sites (1)

Loading locations...

Similar Trials