ChiCTR2300067945尚未招募回顾性研究
基于深度学习网络和影像组学可视量化评估保髋疗效与治疗决策
自筹1 个研究点 分布在 1 个国家开始时间: 2022年12月1日最近更新:
试验速览
- 阶段
- 回顾性研究
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 保髋疗效
研究概览
简要总结
通过对接受了头颈开窗打压植骨术或腓骨棒打压植骨术的患者为例，应用深度学习网络和影像组学提取患者的 CT、DR 等影像学特征资料，结合其临床参数资料构建一种无创、可重复、可视化的保髋决策评估方法，以期为治疗方案的制定提供参考。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 队列研究
入排标准
- 性别
- All
入选标准
- •经术中病理证实的股骨头坏死；
- •手术术式为头颈开窗打压植骨术或腓骨棒打压植骨术；
- •随访资料完整，随访时间在 3 年以上。
排除标准
- •未遵术后 3 月内免负重医嘱、提前下地负重者；
- •图像质量较差，无法进行深度学习网络和影像组学分析的病例。
研究组 & 干预措施
Case series
结局指标
主要结局
保髋疗效
次要结局
- 人口学特征（性别、年龄、身高、体重）
- 生命体征
- 理化指标
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
通过临床适用的深度学习算法对多视角 X 线图像进行骨肿瘤风险的前瞻性评估骨肿瘤ChiCTR2500102778国家自然科学基金 No. 82172035 和 No. 82472067.
Unknown
不适用
基于全景地图的 AI 深度学习全髋置换导航系统的研制与临床应用ChiCTR2000037001上海申康医院发展中心1,000
Unknown
3 期
该试验尚未获伦理委员会批准，请于批准后才开始征募参试者，并与我们联系上传伦理批件。 髋关节精准重建的人工智能规划及实施体系的构建及临床验证研究ChiCTR2000035442上海申康医院发展中心60
尚未招募
Unknown
股骨颈骨折内固定治疗临床失败的危险因素分析及预测模型的建立股骨颈骨折ChiCTR22000595922,000
Unknown
1 期
基于深度卷积神经网络的股骨颈骨折内固定策略选择评估体系的研发及临床评价ChiCTR2500105735自筹276