ChiCTR2200061165尚未招募早期 1 期
定量多模态磁共振结合深度学习方法预测脊柱关节炎进展
北京大学深圳医院高水平医院建设经费1 个研究点 分布在 1 个国家目标入组 500 人开始时间: 2022年6月1日最近更新:
适应症
试验速览
- 阶段
- 早期 1 期
- 状态
- 尚未招募
- 发起方
- 入组人数
- 500
- 试验地点
- 1
- 主要终点
- 改良型 Stoke 强直性脊柱炎脊柱评分
研究概览
简要总结
通过收集脊柱关节炎患者基线多模态定量磁共振图像、临床、化验检查及随访 2 年脊柱放射学评分，利用深度学习多模态融合方法，构建脊柱关节炎患者脊柱强直风险预测模型。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 巢式病例-对照研究
入排标准
- 年龄范围
- 18 至 100（—）
- 性别
- All
入选标准
- •从北京大学风湿免疫科门诊及病房招募经风湿免疫医生诊断为脊柱关节炎的患者 500 人。纳入条件为：1）年龄＞18 岁；2）由两名风湿免疫医生（至少包含一名高年资医生）确认诊断为脊柱关节炎；3）符合 2009 国际脊柱关节炎评估协会（Assessment of SpondyloArthritis international Society, ASAS）脊柱关节炎分类标准或 1984 年修订的强直性脊柱炎纽约标准。
排除标准
- •排除条件为：1）脊柱 X 线显示各节段脊柱完全强直、呈“竹节样”改变；2）有骶髂关节核磁检查禁忌症，包括（不限于）：不能取出的铁磁性金属植入物、心脏起搏器 / 人工耳蜗植入、严重的幽闭恐惧症、怀孕；3）骶髂关节区域有金属植入物。
研究组 & 干预措施
1
2
结局指标
主要结局
改良型 Stoke 强直性脊柱炎脊柱评分
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
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
通过多模态深度学习分析提高肩袖腱病的临床决策及治疗研究ChiCTR2500104956自筹经费
Unknown
不适用
视神经脊髓炎谱系疾病的预后预测模型研究视神经脊髓炎谱系疾病ChiCTR1800016241四川大学华西医院 SCI 经费300
Unknown
不适用
基于机器学习构建腰椎退行性疾病多模态特征融合预后预测模型ChiCTR2200064421甘肃省教育厅项目、兰州市科技局项目350
Unknown
不适用
基于深度学习的关节软骨超声评估和类风湿性关节炎患者骨侵蚀预警的全国多中⼼研究ChiCTR2500106342佳能医疗系统（中国）有限公司