ChiCTR2400090587尚未招募回顾性研究
超声深度学习影像组学预测乳腺癌相关分子标志物的可视化研究
上级下拨经费1 个研究点 分布在 1 个国家开始时间: 2024年9月1日最近更新:
适应症
干预措施
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
- 肿瘤标记物
研究概览
简要总结
针对目前超声影像组学技术和深度学习技术在乳腺癌相关分子标记物的单一预测效能存在局限性,本研究旨在利用超声影像组学联合深度学习技术特征构建乳腺癌的分子标记物预测模型,实现以可视化方式在体、实时识别乳腺癌不同分子标志物,为乳腺癌的治疗和预后评估提供更加准确和可靠的依据。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 横断面
入排标准
- 年龄范围
- 18 至 100(—)
- 性别
- Female
入选标准
- •①收集 2021 年 9 月-2024 年 9 月为我院收治的,且经穿刺或手术病理证实为乳腺癌的病例;
- •③在常规超声上可检测到实性为主的乳腺肿物;
排除标准
- •①既往接受过手术、放疗、化疗治疗者;
- •②合并除乳腺癌外其他恶性肿瘤者;
- •③合并严重系统性疾病者;
- •④其他不适宜纳入研究者。
研究组 & 干预措施
乳腺癌相关生物标记物高表达组 / 低表达组
干预措施: 乳腺癌相关生物标记物高表达组 / 低表达组
结局指标
主要结局
肿瘤标记物
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
基于深度学习多组学的乳腺癌辅助诊疗与预后预测系统乳腺癌ChiCTR2400081831广东省重点领域研发计划资助(2021B0101420006)
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
基于多组学信息融合的乳腺疾病人工智能诊断预测模型的开发和构建研究乳腺疾病ChiCTR2400081249本研究得到了安徽医科大学第一附属医院临床研究计划项目(LCYJ2021YB008)、安徽省卫生健康科研项目(AHWJ2023A20096)、国家自然科学基金(82371993)、上海科技大学校内基金和上海科技大学高性能计算平台的支持。
Unknown
不适用
宋梅医师: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。 基于乳腺肿瘤超声造影和弹性成像的影像组学大数据的多中心研究乳腺肿瘤ChiCTR2000037970自费
Unknown
不适用
蒋猛医师:请上传研究计划书及知情同意书模板。 基于超声图像的深度神经网络在鉴别乳腺癌分子亚型中的研究乳腺癌ChiCTR2000028872武汉市卫计委 (No. 2017060201010181),同济医院留学回国人员科研启动金 (No. 2017A002)
