ChiCTR2500101923尚未招募早期 1 期
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
自选课题（自筹）3 个研究点 分布在 1 个国家开始时间: 2025年4月30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
- 3
- 主要终点
- 精确率
研究概览
简要总结
本研究将构建带有标签的大规模多中心颅内占位性病变识别与定位数据集，包括临床常见的几种类别: 脑肿瘤、脑炎和脑出血。利用深度学习模型在本研究收集的核磁影像上进行性能测试，对疑似颅内占位性病变患者的 CT 或 MRI 实现精准识别和定位，在交并比为 0.5 时，各类别平均精确率 AP 平均值达到 0.8 以上，为影像医师初筛和临床医生快速评估颅内占位性病变类型、危急程度、追踪病情变化、制定临床方案提供参考依据。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
- 盲法
- 无
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- All
入选标准
- •1.所有患者均行头颅 CT 或 MRI 等影像学检查以及病理检查并有明确病理诊断；
- •颅内至少存在 1 个可评估病灶；
- •具有头颅 CT 或 MRI 等影像扫描数据，层厚＜5mm。
排除标准
- •1.年龄小于 18 或大于 80 岁；
- •动脉瘤、骶管椎管瘤等其他脑部病变；
研究组 & 干预措施
Case series
结局指标
主要结局
精确率
召回率
PR 曲线
平均精确率（AP）
F1 得分
特异性
准确率
Kappa 系数
次要结局
未报告次要终点
研究者
研究点 (3)
Loading locations...
相似试验
Unknown
不适用
重大精神疾病脑影像个体化评估及预测的研究及转化ChiCTR2200065671四川大学华西医院学科卓越发展 1·3·5 工程200
Unknown
不适用
深度学习在多参数前列腺磁共振成像与前列腺癌诊断中的应用前列腺癌ChiCTR2300069832博士后启动基金
尚未招募
Unknown
脑膜瘤病理分级的多模态影像预测模型研究脑膜瘤ChiCTR2300070233
Unknown
不适用
精神疾病影像学研究ChiCTR2000029933国家自然科学基金委员会国际合作项目 818201080185,000
Unknown
不适用
基于人工智能影像组学开发预测脑脊髓海绵状血管畸形基因型及出血风险的决策系统ChiCTR2200063445首都卫生发展科研专项项目