适应症
试验速览
- 阶段
- Unknown
- 状态
- 招募中
- 试验地点
- 1
- 主要终点
- 曲线下面积
研究概览
简要总结
为了模拟真实世界的冰冻诊断的场景，我们利用已经构建的深度学习方法对前瞻性收集的术中需要鉴别 PCNSL 与胶质瘤的 68 例冰冻 HE 切片进行二分类预测，进一步验证模型的有效性，准确区分 PCNSL 和胶质瘤，改进两种脑恶性肿瘤的临床管理，为模型的临床应用提供科学依据。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •需鉴别 PCNSL 与胶质瘤的术中冰冻切片；
- •有完整的临床病理数据；
- •最后通过石蜡切片及免疫组化证实为淋巴瘤或胶质瘤。
排除标准
- •病理切片可见较大的皱褶；
- •病理切片扫描不清晰、未准确对焦；
- •患者临床病理资料不完善。
结局指标
主要结局
曲线下面积
灵敏度
特异度
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
已完成
Unknown
深度学习冰冻切片基础模型的前瞻性研究肿瘤ChiCTR2500106350
已完成
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。 深度学习在基于超声图像和临床数据的腮腺良恶性肿瘤的鉴别诊断中的应用腮腺肿瘤ChiCTR2100049124
Unknown
不适用
该试验尚未获伦理委员会批准，请于批准后才开始征募参试者，并与我们联系上传伦理批件。 人工智能在预测高血压脑出血患者血肿变化中的应用价值：一项前瞻性、观察性真实世界研究高血压脑出血ChiCTR2000036008促进市级医院临床技能与临床创新 三年行动计划（2020-2022 年）
Unknown
不适用
基于双模态超声图像和临床信息的软组织肿瘤良恶性预测模型准确性的前瞻性验证软组织肿瘤ChiCTR2200063773北京大学深圳医院 2022 年高水平科研基金
Unknown
不适用
基于脑影像深度学习的颅内占位性病变识别与定位技术研究ChiCTR2500101923自选课题（自筹）