ChiCTR1900023870进行中（未招募）回顾性研究
基于深度学习方法和宫腔镜建立宫腔疾病诊断定位系统的研究
自筹1 个研究点 分布在 1 个国家开始时间: 2019年6月10日最近更新:
试验速览
- 阶段
- 回顾性研究
- 状态
- 进行中（未招募）
- 发起方
- 试验地点
- 1
- 主要终点
- 灵敏度
研究概览
简要总结
通过开发具备人工智能的计算机辅助诊断系统，综合宫腔疾病的宫腔镜影像信息进行智能诊断，弥补人工诊断的“主观性”的缺陷，提高诊断效率。最终实现宫腔疾病的精确分类和定位，减少漏诊率，从而指导患者进行相关治疗方案的选择。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- N/a
入排标准
- 性别
- Female
入选标准
- •临床及病理诊断为子宫内膜息肉、粘膜下肌瘤、粘膜下腺肌瘤、内膜间质结节、子宫内膜增生（不伴非典型增生和非典型增生）、子宫内膜癌、子宫内膜肉瘤）。
- •具备质量良好的宫腔镜影像。
排除标准
- •1）宫腔疾病病理诊断为妊娠相关的组织残留者。
- •2）伴有生殖道畸形宫腔形态异常者。
- •3）影像质量不好的图片。
结局指标
主要结局
灵敏度
特异度
假阳性率
漏诊率
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
应用基于彩色多普勒超声的深度学习方法对子宫肿瘤分类及早期诊断的研究ChiCTR1800017554自筹
Unknown
不适用
基于深度学习的宫颈癌筛查及诊断系统多中心临床研究宫颈癌ChiCTR2000034803武汉大学中南医院疑难病症诊治能力提升工程项目（肿瘤方向）
Unknown
不适用
基于深度学习的多模态技术用于宫颈病变诊断系统的建立和验证ChiCTR2200058478自筹
Unknown
不适用
基于阴道镜图像多模态融合学习的宫颈病变智能诊断系统研究ChiCTR1900023004福建省妇幼保健院
Unknown
不适用
基于人工智能深度学习算法对结肠病变的识别及追踪定位的研究ChiCTR2000028906自筹