ChiCTR2600120366招募中Unknown
基于深度学习 Spectral Precise Image 重建算法的冠脉 CTA 图像质量研究
飞利浦健康科技（中国）有限公司苏州分公司1 个研究点 分布在 1 个国家目标入组 200 人开始时间: 2026年1月16日最近更新:
适应症
试验速览
- 阶段
- Unknown
- 状态
- 招募中
- 发起方
- 入组人数
- 200
- 试验地点
- 1
- 主要终点
- 客观图像质量
研究概览
简要总结
本研究旨在比较评估基于不同辐射剂量扫描得到的数据 (Group A vs Group B)，并分别通过 iDose4 与深度学习重建算法（Spectral Precise Image，SPI）重建生成的虚拟单能级图像的图像质量与诊断信心。究数据也有可能用于验证用户对产品设计和 / 或用作数据分析，相关注册需求以及市场用途，研究数据可能会根据相关要求被递交至相关监管部门。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- All
入选标准
- •1.数据集来源于在本院完成光谱冠脉 CTA 检查的患者。
- •2.数据集来源于年龄大于等于 18 周岁的研究参与者。
- •3.扫描参数满足章节 5.4.3 中所定义的条件。
排除标准
- •1.研究者评估后认为临床资料信息不全。
- •2.研究者评估后判定图像质量差（如明显伪影、缺失关键扫描层面）无法满足后处理分析。
- •3.研究者评估后认为不宜入选的患者数据。
结局指标
主要结局
客观图像质量
时间窗: 图像重建完成后，由放射科医师阅片
诊断信心
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
冠状动脉迭代重建降低辐射剂量及维持图像质量的研究：患者自身的前后对比冠状动脉粥样硬化性心脏病ChiCTR-DDT-12002192拜耳医药保健有限公司
尚未招募
Unknown
低剂量联合人工智能迭代重建算法在 CT 血管成像中的应用主动脉夹层ChiCTR2200061339100
Unknown
不适用
探索 Spectral Precise Image 在确诊颅内脑肿瘤患者中的图像质量临床研究ChiCTR2500111248飞利浦健康科技（中国）有限公司苏州分公司
Unknown
不适用
基于深度学习的 PET/CT 图像质量优化及在肺癌精准诊疗中的应用研究ChiCTR2500107804国家自然科学基金重点项目500
Unknown
不适用
一站式低辐射剂量冠脉 CTA 和心肌灌注图像质量评价 - 单中心前瞻随机对照研究ChiCTR1800016026本院及上海博莱科信谊药业有限责任公司