ChiCTR1900028157尚未招募回顾性研究
基于深度学习的直肠癌术后放射治疗靶区和危及器官精确勾画的研究
国家自然科学基金(81803056)1 个研究点 分布在 1 个国家目标入组 250 人开始时间: 2019年12月30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
- 入组人数
- 250
- 试验地点
- 1
- 主要终点
- DICE 系数
研究概览
简要总结
设计和应用不同特征水平的编码器-解码器框架深度学习网络，以自动勾画术后直肠癌放射治疗的临床靶区（CTV）和危及器官（OAR），并评估其勾画质量和临床效率，并将胜出的自动勾画模型应用于术后直肠癌放疗，辅助放射肿瘤学医师进行靶区勾画
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 析因分组（即根据危险因素或暴露因素分组）
- 盲法
- None
入排标准
- 年龄范围
- 25 至 85（—）
- 性别
- All
入选标准
- •华西医院放疗科 2018 年 2 月至 2019 年 4 月术后 T1，T2，T3 分期的直肠癌放疗患者
排除标准
- •CT 图像不能满足深度学习要求的患者
研究组 & 干预措施
深度学习组
深度学习勾画靶区
手动勾画组
手动勾画靶区
结局指标
主要结局
DICE 系数
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于 4DCT 和人工智能的肺癌放疗靶区和危及器官自动勾画的临床研究ChiCTR2000032417同济大学附属上海市肺科医院100
Unknown
不适用
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。 基于深度学习的直肠癌新辅后肿瘤退缩分级预后模型的开发直肠癌ChiCTR2000035917自筹
Unknown
不适用
应用深度学习构建直肠癌区域淋巴结转移的影像辅助诊断模型直肠癌ChiCTR2100054350国家自然科学基金 NO.81971584
Unknown
不适用
基于深度学习的中枢神经系统肿瘤放射治疗全流程智能化研究方案中枢神经系统肿瘤ChiCTR2000038109国家自然科学基金(81803056)400
Unknown
不适用
应用人工智能算法自动提取放疗鼻咽癌患者危及器官轮廓的可行性分析ChiCTR2000031276江苏省中医院200