ChiCTR2000029908尚未招募回顾性研究
基于深度学习的肺亚实性结节诊断和术后预后评估： 模型内部的医学影像证据
上海市第一人民医院临床创新研究项目1 个研究点 分布在 1 个国家开始时间: 2020年3月1日最近更新:
适应症
试验速览
- 阶段
- 回顾性研究
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 诊断准确性
研究概览
简要总结
- 建立用于深度学习的肺亚实性结节组织学分型和术后随访数据库，包括 CT 影像和临床信息。
- 建立和评估肺亚实性结节组织学分型 CNN 分类预测模型。
- 建立和评估肺亚实性结节术后复发 CNN 分类预测模型。
- 通过对 CNN 内部多通道结构的可视化分析和 deep dream 分析来研究 CNN 对肺结节分类的医学影像特征基础，解析 CNN“黑盒子”，为临床应用提供循证医学证据。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- 盲法评估
入排标准
- 性别
- All
入选标准
- •1、有病理学分型的亚实性肺结节病例 1000 例：时间不限，在我院两个院区做了胸部 CT 检查发现亚实性肺结节(<3cm)，在 1 个月内行外科手术，并对切除组织进行术中冰冻病理，和术后石蜡切片、免疫组化染色获得病理分型结果的病例。性别不限。
- •2、有术后随访结果的肺结节病例 500 例：2017 年 3 月 1 日前(三年前)，在我院两个院区做了胸部 CT 检查发现亚实性肺结节(<3cm)，在 1 个月内行外科手术，并对切除组织进行术中冰冻病理，和术后石蜡切片、免疫组化染色获得病理分型结果的病例。并在 2020 年 3 月 1 日后有随访复查 CT 检查，能够了解是否复发。性别不限。
排除标准
- •年龄<18 岁。肺结节图像显示不清，难以与周围组织分割。
结局指标
主要结局
诊断准确性
F1 值
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
人工智能深度学习模型辅助肺部亚实性结节浸润性判别的可行性探究ChiCTR2000030925科研经费
Unknown
不适用
基于多模态 CT、PET 结合放射组学，临床特征，深度学习技术预测亚实性结节气道播散ChiCTR2500106940国家自然科学基金资助项目：U21A20480
Unknown
不适用
一项基于 CT 医学影像的人工智能肺结节自动识别软件开发肺结节ChiCTR2200061984珠海横琴圣澳云智科技有限公司
Unknown
不适用
基于多组学特征构建应用于肺部磨玻璃结节性质判定的深度学习模型：一项前瞻性、单中心临床研究ChiCTR2100044999科研经费
Unknown
不适用
姜龙医师：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；请上传知情同意书模板。 基于深度学习术中肿瘤图像和术前 CT 影像辅助术中快速病理诊断肺结节的研究肺癌ChiCTR2000037283上海申康医院发展中心