ChiCTR2400089949尚未招募早期 1 期
NEC 识图:AI 辅助的 X 光图像解读
自选课题(自筹)1 个研究点 分布在 1 个国家开始时间: 2024年10月1日最近更新:
试验速览
- 阶段
- 早期 1 期
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 诊断的准确性
研究概览
简要总结
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。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
- 盲法
- 无
入排标准
- 年龄范围
- 0 至 1(—)
- 性别
- All
入选标准
- •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;
排除标准
- •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;
结局指标
主要结局
诊断的准确性
次要结局
- 召回率(Recall)
- 敏感性(Sensitivity)
- 特异性(Specificity)
- 精确度(Precision)
- F1 值
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
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
不适用
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先天性巨结肠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)
尚未招募
Unknown
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肠上皮化生ChiCTR2300067901
Unknown
不适用
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
不适用
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直肠癌ChiCTR1900023575青岛大学数字医学与计算机辅助手术研究院
