ChiCTR2200058478尚未招募回顾性研究
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
自筹1 个研究点 分布在 1 个国家开始时间: 2022年4月11日最近更新:
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
- 准确率
研究概览
简要总结
基于深度学习，开发一个基于阴道镜图像及组织病理图像等多模态的神经网络，以精确分割和识别宫颈病变。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 横断面
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- Female
入选标准
- •既往参加宫颈筛查，资料齐全病例。资料包括：年龄、宫颈细胞学、HPV、宫颈照片、病理结果等。
排除标准
- •阴道镜检查后未行活检；
- •阴道镜图像质量差(模糊、过度曝光、宫颈粘连、白带或出血覆盖宫颈)。
结局指标
主要结局
准确率
dice 系数
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
多模态数据融合人工智能辅助筛查和诊断子宫内膜病变ChiCTR2500101707自选课题（自筹）
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
尚未招募
Unknown
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。 基于人工智能建立多模态体系精准预测宫颈癌淋巴转移及其复发预后：基于病历记录的研究宫颈癌ChiCTR2000035688
Unknown
不适用
基于多参数 MRI 的宫颈癌筛查及危险因素预测的无创智能辅助诊断系统研制及应用研究宫颈癌ChiCTR2000038857上海市卫生健康委员会专项经费、复旦大学附属金山医院单位自筹