ChiCTR2400088025已完成回顾性研究
基于深度学习和多模态数据鉴别甲状腺非典型增生病变的良恶性
彭州市人民医院-西南医科大学战略合作项目3 个研究点 分布在 1 个国家开始时间: 2023年11月1日最近更新:
试验速览
- 阶段
- 回顾性研究
- 状态
- 已完成
- 发起方
- 试验地点
- 3
- 主要终点
- 超声图片
研究概览
简要总结
基于深度学习分析甲状腺非典型增生病变（ AUS） 的细胞学、 超声学、 全身炎症指数、 甲状腺功能， 筛选甲状腺 AUS 为恶性肿瘤的风险因素。通过神经网络构建甲状腺 AUS 良恶性的预测模型， 通过内、 外部验证及模拟测试，优化模型。通过前瞻性研究， 评估优化模型， 提高临床决策的效率及准确率， 为甲状腺 AUS 诊治提供理论支撑。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 队列研究
- 盲法
- 无
入排标准
- 年龄范围
- 18 至 75（—）
- 性别
- All
入选标准
- •2、病理结果为确切的甲状腺良性或恶性肿瘤；
- •3、既往无其他疾病史。
排除标准
- •2、超声、细胞学和病理图片分辨率低。
研究组 & 干预措施
甲状腺良性肿瘤组
甲状腺恶性肿瘤组
结局指标
主要结局
超声图片
时间窗: 术前最近的检查
细胞学图片
时间窗: 术前最近的检查
年龄
时间窗: 术前最近的检查
性别
时间窗: 术前最近的检查
次要结局
未报告次要终点
研究者
研究点 (3)
Loading locations...
相似试验
已完成
Unknown
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。 深度学习在基于超声图像和临床数据的腮腺良恶性肿瘤的鉴别诊断中的应用腮腺肿瘤ChiCTR2100049124
尚未招募
Unknown
基于蛋白组学的甲状腺不确定病变定性诊断的多中心前瞻性临床研究甲状腺结节ChiCTR2000034454
Unknown
不适用
甲状腺结节的超声智能诊断及定位甲状腺结节ChiCTR2200066755自筹
Unknown
不适用
基于深度学习的甲状腺超声影像 TI-RADS 分级诊断研究甲状腺结节ChiCTR2200065317安徽医科大学第二附属医院临床研究培育计划
Unknown
不适用
基于深度学习技术的多模态超声组学精准预测甲状腺乳头状微小癌中央区淋巴结无转移、微转移与宏转移的研究甲状腺乳头状微小癌ChiCTR2300077302广东省自然科学基金