ChiCTR2000035383RecruitingUnknown
基于深度学习的计算机辅助息肉识别结合 NICE 分型系统的建立与临床验证研究
自筹经费1 site in 1 countryStarted: July 1, 2020Last updated:
Conditions
Trial Snapshot
- Phase
- Unknown
- Status
- Recruiting
- Sponsor
- Locations
- 1
- Primary Endpoint
- 准确性
Study Overview
Brief Summary
计算机辅助诊断息肉结合 NICE 分型系统建构成功，其识别速度在肉眼承受范围内，而对 NICE 分型的诊断准确性上优于内镜操作医生
Study Design
- Study Type
- Observational
Eligibility Criteria
- Ages
- 18 to 75 (—)
- Sex
- All
Inclusion Criteria
- Not provided
Exclusion Criteria
- Not provided
Outcomes
Primary Outcomes
准确性
Secondary Outcomes
- 敏感性
- 特异性
Investigators
Study Sites (1)
Loading locations...
Similar Trials
Unknown
Not Applicable
验证基于深度学习的病灶尺寸测量系统临床应用效果的多中心研究肠息肉ChiCTR2200059453自筹
Unknown
Not Applicable
基于人工智能深度学习的鼻息肉病理分型及预后评估的多中心前瞻性临床研究慢性鼻窦炎ChiCTR2000033779中山大学临床医学研究 5010 计划项目 (2019006)845
Unknown
Not Applicable
基于深度学习技术的结直肠息肉实时识别系统对结直肠息肉检出率作用的研究结直肠息肉ChiCTR-DDD-17012221自筹
Recruiting
Unknown
基于深度学习技术的结肠镜下结直肠息肉实时识别系统辅助下对结直肠腺瘤诊断能力与初级内镜医师辅助的对比的前瞻性对中心随机对照研究结肠息肉ChiCTR19000252351,382
Not yet recruiting
Unknown
前瞻性观察研究：揭秘影诺鹰眼人工智能消化内镜系统精准识别肠息肉分型的病理验证效能临床研究方案结直肠息肉ChiCTR2500104627