适应症
试验速览
- 阶段
- Unknown
- 状态
- 招募中
- 试验地点
- 1
- 主要终点
- 超声图像特征
研究概览
简要总结
1.建立乳腺良恶性肿瘤鉴别诊断的深度学习预测模型。以病理为金标准，通过对常规超声图像的分析，以深度学习的方法构建乳腺肿瘤良恶性辅助诊断模型。 2.构建乳腺 US-BI-RADS 分类深度学习模型。模拟乳腺超声分类标准，利用深度学习方法通过对超声图像的分析和处理，从而模拟超声成像系统对乳腺肿瘤的 US-BI-RADS 分类。 3.建立乳腺癌 NAC 疗效早期预测和评估模型。通过分析 NAC 前以及 NAC 过程中的常规超声、弹性成像以及超声造影的动静态数据，结合最终的病理结果，利用多通道卷积神经网络技术构建 NAC 疗效早期预测和评估模型。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •1.基于深度学习的乳腺肿瘤辅助诊断模型:
- •(1)我院行乳腺超声检查，年龄在 18-80 岁之间的患者。
- •(2)超声诊断为 3-5 类的乳腺肿瘤并在我院行手术且获得术后病理结果的患者。
- •2.基于深度学习的新辅助化疗疗效评估模型:
- •(1)在我院行新辅助化疗并获得病理结果，并在化疗前及化疗过程中行超声检查且留存有超声图像的患者。
- •(2)年龄在 18-80 岁之间的患者。
排除标准
- •1.妊娠及哺乳期患者；
- •2.先前有乳腺肿瘤手术、放疗及化疗病史的患者。
结局指标
主要结局
超声图像特征
SEN, SPE, ACC, AUC of ROC
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
招募中
Unknown
多中心人工智能乳腺超声诊断评估的临床研究乳腺肿瘤ChiCTR2100045806自筹
Unknown
不适用
基于深度学习的两阶段人工智能系统辅助放射科医生利用对比增强乳房 X 线摄影图像对乳腺病变进行检测和分类乳腺癌ChiCTR2200065169课题经费
Unknown
不适用
乳腺疾病超声人工智能诊断平台的构建及有效性检验乳腺癌ChiCTR2100043427自筹
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ChiCTR2100052477复旦大学附属华东医院资助900
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）