ChiCTR2500115655尚未招募不适用
基于 MDCT 的创伤性脑损伤严重程度预测模型构建及智能化诊断
重庆市自然科学基金1 个研究点 分布在 1 个国家开始时间: 2025年12月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 采用 Mann-Whitney U 检验比较两组数据的脑出血体积差异
研究概览
简要总结
1.建立 TBI 病灶识别、定位和定量的深度学习方法 针对 TBI 病灶定位困难、定量耗时长和定量不准等问题，本项目采用先进的 Trans-UNet 等模型构建 TBI 病灶识别、定位和定量的深度学习方法。 2.建立 TBI 严重程度评估机器学习模型 针对现有 TBI 严重程度评估方法存在过程复杂，主观性强等问题，本项目基于国人大样本 MDCT 数据，提取并筛选最佳影像学特征，采用机器学习训练，构建 TBI 严重程度评估机器学习模型。 3.探索 TBI 严重程度智能评估新方法 采用典型案例验证机器学习模型后，对比分析机器学习模型与临床创伤评分以及人工模型在预测 TBI 严重程度方面的效能差异。探索并筛选 TBI 严重程度智能评估新方法。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.临床诊断为 TBI
- •2.在陆军特色医学中心接受颅脑 CT 扫描
排除标准
- •1.初次 CT 前已接受开颅手术
- •3.CT 运动伪影明显
- •6.初次 CT 距受伤＞24 h。
研究组 & 干预措施
创伤性脑损伤观察组
结局指标
主要结局
采用 Mann-Whitney U 检验比较两组数据的脑出血体积差异
次要结局
- 采用卡方检验等比较两组数据的出血类型、位置等差异
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于脑影像深度学习的颅内占位性病变识别与定位技术研究ChiCTR2500101923自选课题（自筹）
招募中
Unknown
颅脑创伤后进展性出血性损伤的危险因素分析及临床预测模型构建与验证颅脑创伤ChiCTR2100046571课题经费500
Unknown
不适用
脑出血血肿扩大风险预测深度学习模型构建及可解释性研究ChiCTR2400084869浙江省医药卫生科技计划项目
Unknown
不适用
人工智能构建脑出血决策系统ChiCTR2400083257重庆市科卫联合医学科研项目重点项目
Unknown
不适用
基于深度学习的出血性脑卒中一体化智能辅助诊疗平台的构建ChiCTR2500104896江西省卫生健康委科技创新重点项目