适应症
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 试验地点
- 2
- 主要终点
- 胸部 CT 指标
研究概览
简要总结
本研究旨在开发并验证一种基于临床-放射学特征的机器学习模型，用于评估患者的肺功能。使用电子病例系统收集患者人口学特征、临床资料。采用软件计算影像组学特征。并使用多种机器学习的方法，对比肺功能的预测值与实测值。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •②术前行肺功能检查及胸部 CT 检查。
排除标准
- •①肺功能测定无参考资料；
- •②CT 图像伪影严重或图像质量差。
研究组 & 干预措施
观察组
结局指标
主要结局
胸部 CT 指标
时间窗: 初诊当次或入组时
肺功能指标
时间窗: 初诊当次或入组时
次要结局
未报告次要终点
研究者
研究点 (2)
Loading locations...
相似试验
Unknown
不适用
基于深度学习的方法进行胸科手术术后肺部并发症预测模型的建立和验证ChiCTR2200062180自筹10,000
Unknown
不适用
基于 CT 的影像组学特征和放射治疗剂量学因素构建乳腺癌术后放射性肺损伤预测模型的研究ChiCTR2500095178自选课题（自筹）
招募中
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 应用深度学习构建慢性阻塞性肺疾病异质性定量分析及表型分类的辅助诊断模型研究慢性阻塞性肺疾病ChiCTR2000038474华东医院1,200
Unknown
不适用
齐琳医师：请与我们联系上传正式版伦理审批文件。 基于深度学习及影像组学的慢性阻塞性肺疾病影像学评估及纵向动态研究慢性阻塞性肺疾病ChiCTR2000036798华东医院800
Unknown
不适用
基于机器学习构建 IPF（特发性肺纤维化）的临床预后模型与时序 CT 图像预测模型ChiCTR2400083089国家重点技术研发计划（No.2021YFC2500700）
上海交通大学医学院学生创新培养计划（No.1723Y034）