ChiCTR2300071159尚未招募早期 1 期
基于深度学习的甲状腺滤泡性肿瘤术中冰冻病理图像的良恶性鉴别：一项多中心的研究
泰山学者项目（No.ts20190991)2 个研究点 分布在 1 个国家开始时间: 2023年5月5日最近更新:
试验速览
- 阶段
- 早期 1 期
- 状态
- 尚未招募
- 发起方
- 试验地点
- 2
- 主要终点
- 特异性
研究概览
简要总结
构建一种基于术中冰冻病理图像的人工智能模型，在术中快速准确鉴别甲状腺滤泡性肿瘤的良恶性，同时分析人工智能模型结果与基因组数据的相关性，从而探究其进行甲状腺滤泡性肿瘤良恶性鉴别的生物学机制，在术中明确甲状腺滤泡性肿瘤的良恶性，为手术者决定肿瘤的手术切除范围以及后续治疗方案的制定提供更可靠的指导。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 队列研究
入排标准
- 年龄范围
- 18 至 85（—）
- 性别
- All
入选标准
- •1.患者手术切除组织术中送冰冻病理，且冰冻病理切片图像清晰、可用；
- •2.患者手术切除组织术后常规病理确诊为 FTA 或 FTC。
排除标准
- •1.患者同时患有其他类型甲状腺肿瘤；
- •2.患者手术切除组织来自除甲状腺之外的其他转移部位；
- •3.患者临床信息不全；
- •4.冰冻病理切片损坏或存在质量问题（如折叠或撕裂组织）；
- •5.患者手术切除组织质量不符合 RNA 测序标准。
结局指标
主要结局
特异性
敏感性
准确性
受试者工作特征曲线的曲线下面积
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
基于人工智能方法在超声影像图像中预测甲状腺滤泡性肿瘤良恶性中的临床应用价值研究ChiCTR2200058254自筹
Unknown
不适用
基于 CT 图像深度学习构建甲状腺癌侧颈部淋巴结转移预测模型及其生物学机制研究甲状腺癌ChiCTR2200062712泰山学者项目（No. ts20190991）100
招募中
Unknown
深度学习冰冻 H&E 切片鉴别脑淋巴瘤与非淋巴瘤脑肿瘤ChiCTR2200064614
Unknown
不适用
医学影像人工智能技术与术中冰冻病理联合诊断肺腺癌的病理学分型的价值研究肺癌ChiCTR20000320542020 年度上海市肺科医院临床研究基金
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