ChiCTR2200065169尚未招募诊断试验新技术临床试验
基于深度学习的两阶段人工智能系统辅助放射科医生利用对比增强乳房 X 线摄影图像对乳腺病变进行检测和分类
课题经费1 个研究点 分布在 1 个国家开始时间: 2022年11月2日最近更新:
适应症
试验速览
- 阶段
- 诊断试验新技术临床试验
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 受试者工作特征曲线
研究概览
简要总结
基于深度学习利用治疗前的 CESM 图像构建了一个两阶段的人工智能模型利用多视图和多模态的图像信息检测乳腺病变并辅助放射科医生更加准确快速地进行良恶性分类，本研究为乳腺癌患者后续方案的制定提供一定的指导作用。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- 无
入排标准
- 年龄范围
- 25 至 72（—）
- 性别
- Female
入选标准
- •1.CESM 检查后有可疑病变的患者；
- •2.患者接受手术或细针穿刺活检；
- •3.有完整的统计和临床病史记录；
排除标准
- •1.有先前的放化疗或恶性肿瘤病史。
- •2.临床或病理信息不完整。
- •4.有多个、双侧或非质量病变。
结局指标
主要结局
受试者工作特征曲线
敏感度
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
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
深度学习乳腺癌磁共振影像组学预测淋巴结转移及预后 （RBC-01）乳腺癌ChiCTR1900024020中山大学孙逸仙纪念医院
Unknown
不适用
中国临床肿瘤学会人工智能系统（CSCO AI）辅助乳腺癌治疗临床决策的应用性研究乳腺癌ChiCTR2000039122自筹3,000
Unknown
不适用
基于能谱 CT 影像组学的机器学习辅助乳腺癌腋窝淋巴结精准分期乳腺肿瘤ChiCTR2500102106四川省卫生健康委员会科技项目（临床研究专项）
Unknown
不适用
基于高时间分辨率的 DCE-MRI 深度学习预测早期乳腺癌腋窝淋巴结状态乳腺癌ChiCTR2300069509课题经费