ChiCTR2200063462尚未招募治疗新技术临床试验
基于 DCE-MRI 的深度学习在乳腺癌自动分割和分类中的应用
课题经费1 个研究点 分布在 1 个国家开始时间: 2021年9月1日最近更新:
适应症
试验速览
- 阶段
- 治疗新技术临床试验
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 受试者操作特征曲线下面积
研究概览
简要总结
我们主要利用治疗前的 MRI 影像，提出了一个可以在 MRI 图像上准确分割出乳腺癌病灶的深度学习网络，我们称为病灶分割网络。然后根据分割的结果输入后端网络，我们称为分类网络，我们开发了一个集群分类网络，这种集群网络包括 ResNet50,ResNeXt101,googlenet-inceptionV3,取三个分类网络的输出的平均值作为最终的输出值，这样增加了分类的可靠性，避免了因为一个网络的误判而影响最终结果的可能，在判断阶段包括良恶性判断，淋巴结是否转移判断。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
入排标准
- 性别
- Female
入选标准
- •1.完整的影像学和病理资料，包括肿瘤和 ALN；
- •2.MR 扫描后两周进行手术。
排除标准
- •1.无肿块病灶，无明显界限或病灶最长直径<5mm；
- •2.临床或病理特征不完整；
- •3.MR 检查前接受过新辅助化疗、放疗或激素治疗；
- •4.多灶性病变或其他乳腺肿瘤患者。
结局指标
主要结局
受试者操作特征曲线下面积
次要结局
- 准确度
- 敏感度
- 特异度
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
DCE-MRI 的多任务深度学习在乳腺癌自动分割及新辅助化疗疗效预测中的研究乳腺癌ChiCTR2200065185课题经费
Unknown
不适用
基于深度学习的两阶段人工智能系统辅助放射科医生利用对比增强乳房 X 线摄影图像对乳腺病变进行检测和分类乳腺癌ChiCTR2200065169课题经费
Unknown
不适用
基于高时间分辨率的 DCE-MRI 深度学习预测早期乳腺癌腋窝淋巴结状态乳腺癌ChiCTR2300069509课题经费
Unknown
不适用
深度学习乳腺癌磁共振影像组学预测淋巴结转移及预后 （RBC-01）乳腺癌ChiCTR1900024020中山大学孙逸仙纪念医院
Unknown
不适用
基于全容积三维超声的 TransUNet 深度神经网络模型在乳腺癌诊断中的应用研究ChiCTR2100052477复旦大学附属华东医院资助900