ChiCTR2200058478Not yet recruiting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 site in 1 countryStarted: April 11, 2022Last updated:
Trial Snapshot
- Phase
- 回顾性研究
- Status
- Not yet recruiting
- Sponsor
- Locations
- 1
- Primary Endpoint
- 准确率
Study Overview
Brief Summary
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。
Study Design
- Study Type
- 诊断试验
- Primary Purpose
- 横断面
Eligibility Criteria
- Ages
- 18 to 80 (—)
- Sex
- Female
Inclusion Criteria
- •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。
Exclusion Criteria
- •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)。
Outcomes
Primary Outcomes
准确率
dice 系数
Secondary Outcomes
No secondary outcomes reported
Investigators
Study Sites (1)
Loading locations...
Similar Trials
Unknown
Not Applicable
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
Not Applicable
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
Not Applicable
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
Not yet recruiting
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
Not Applicable
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