ChiCTR2300072061已完成Unknown
通过深度学习从双模态双视图超声图像和文本信息评估乳腺疾病：一项双中心前瞻性队列研究
未提供2 个研究点 分布在 1 个国家开始时间: 2020年8月1日最近更新:
适应症
试验速览
- 阶段
- Unknown
- 状态
- 已完成
- 试验地点
- 2
- 主要终点
- 曲线下面积
研究概览
简要总结
通过前瞻性采集乳腺双模态及病史文本资料，开发一个聚合卷积神经网络，能对乳腺超声图像进行四分类并预测恶性风险，从而提高检出率及诊断效能。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 18 至 90（—）
- 性别
- Female
入选标准
- •具有明确病理：组织学活检或手术切除；
- •至少提供双模态超声图像视图（B 模式 / 彩色多普勒）及完整病史文本；
- •多个病变患者，选择 BI-RADS 类最高结节。同一类别出现多个结节，选择最大者，确保每个乳房只有一个结节，每个患者最多两个结节；
- •病变分类为 BI-RADS 2～5 类，选择阳性结果；
- •选择实性或大部分为实性病变（囊性成分<25%）。
排除标准
- •精神疾病或主要基础疾病（例如肿瘤）；
- •植入物、怀孕或哺乳期的妇女；
- •接受过手术或化疗的人；
- •18 岁以下的患者。
结局指标
主要结局
曲线下面积
F1 分数
次要结局
- 准确率
- 阳性预测值
- 阴性预测值
- 敏感度
研究者
研究点 (2)
Loading locations...
相似试验
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乳腺癌ChiCTR2100052477复旦大学附属华东医院资助900
招募中
Unknown
基于深度学习的乳腺肿瘤辅助诊断及疗效评估研究乳腺癌ChiCTR2100044910
Unknown
不适用
基于机器学习的多模态 MRI 及双能 CT 的影像组学对乳腺癌的诊断价值及预测乳腺癌腋窝淋巴结状态乳腺癌ChiCTR2200065443湖南省卫健委科研项目
Unknown
不适用
基于人工智能的乳腺癌多模态超声精准诊断及演进预测的关键技术开发与体系建立乳腺癌ChiCTR2000036673上海市科学技术委员会（18441905500）
Unknown
不适用
乳腺癌人工智能多模态超声的多中心研究乳腺癌ChiCTR1900023566无锡祥生医疗股份有限责任公司