ChiCTR2200062572进行中（未招募）诊断试验新技术临床试验
基于 18F-FDG PET/CT 的双路三维卷积神经网络在肺磨玻璃结节良恶性鉴别中的应用
常州市卫生健康青苗人才培养工程(CZQM2020012)；常州市高技术研究重点实验室项目(CM20193010)1 个研究点 分布在 1 个国家开始时间: 2022年8月11日最近更新:
适应症
试验速览
- 阶段
- 诊断试验新技术临床试验
- 状态
- 进行中（未招募）
- 发起方
- 试验地点
- 1
- 主要终点
- 最大标准化摄取值
研究概览
简要总结
(1)开发使用深度学习融合从 PET 图像和 CT 图像获得的数据分别作为输入流的双路 3D-CNN，用于对 GGN 中的良性病变和恶性病变进行分类。 (2)该网络无需专业的图像分析软件，也无需太多的人为干预，就可以在分类过程实现“端到端”的工作流程。 该网络表现出高于资深核医学科医生的分类准确性。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 横断面
入排标准
- 性别
- All
入选标准
- •（1）对 PET/CT 检查后 1 个月内通过手术进行明确诊断，或对良性 GGN 进行 CT 随访时减少体积；（2）最大 GGN 直径≤30mm。
排除标准
- •（1）根据第 8 版肺癌肿瘤淋巴结转移（TNM）分期病理标准确定是否存在恶性病变（IB 期或更高）；（2）图像质量差或或 FDG 摄取低，难以测量的病变；（3）过去 5 年有恶性肿瘤病史；（4）严重的肝脏疾病或糖尿病；（5）非典型腺瘤增生（AAH），原位腺癌（AIS）或微浸润腺癌（MIA）的术后病理亚型。
结局指标
主要结局
最大标准化摄取值
平均标准化摄取值
肿瘤代谢体积
糖酵解总量
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
基于多组学特征构建应用于肺部磨玻璃结节性质判定的深度学习模型：一项前瞻性、单中心临床研究ChiCTR2100044999科研经费
Unknown
不适用
姜龙医师：请于伦理委员会批准后才开始征募参试者，并与我们联系上传伦理批件；请上传知情同意书模板。 基于深度学习术中肿瘤图像和术前 CT 影像辅助术中快速病理诊断肺结节的研究肺癌ChiCTR2000037283上海申康医院发展中心
Unknown
不适用
一项基于 CT 医学影像的人工智能肺结节自动识别软件开发肺结节ChiCTR2200061984珠海横琴圣澳云智科技有限公司
Unknown
不适用
基于 ctDNA 甲基化特征、突变特征及 T 细胞受体（TCR）特征辅助肺部结节良恶性诊断的可行性研究ChiCTR2200060902大连医科大学附属第二医院300
Unknown
不适用
人工智能分析模型对肺磨玻璃结节的分类鉴别及病理分期价值研究肺磨玻璃结节ChiCTR18000197922018 年度上海市肺科医院临床研究项目资助