ChiCTR2500103876已完成回顾性研究
基于直肠腔内超声成像的机器学习模型预测直肠癌神经周围浸润的研究
无外部经费资助，本研究由研究团队自筹经费完成。1 个研究点 分布在 1 个国家开始时间: 2024年7月10日最近更新:
适应症
试验速览
- 阶段
- 回顾性研究
- 状态
- 已完成
- 发起方
- 试验地点
- 1
- 主要终点
- 预测模型对 PNI 状态的判别能力（AUC）
研究概览
简要总结
本研究旨在构建基于超分辨率直肠腔内超声图像的深度学习模型，用于术前预测直肠癌患者的周围神经浸润（PNI）状态。通过回顾性分析临床资料和超声图像，提取肿瘤区域特征，训练并验证深度学习分类模型，进一步结合临床特征构建融合模型，以提升对 PNI 状态的预测准确性，为术前风险评估和个体化治疗策略提供辅助决策依据。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
入排标准
- 性别
- All
入选标准
- •(1)直肠癌经全直肠系膜切除术后病理证实，
- •(2)完整的临床资料，包括经直肠超声图像和肿瘤标志物，
- •(3)超声检查前无抗肿瘤治疗。
排除标准
- •(1)术前抗肿瘤治疗，
- •(2)临床和术后病理资料不完整，
- •(3)超声图像质量差。
结局指标
主要结局
预测模型对 PNI 状态的判别能力（AUC）
次要结局
- 模型预测 PNI 状态的分类准确率
- 模型的敏感性
- 模型的特异性
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
该研究尚未获得伦理委员会批准。请于批准后才开始纳入参试者，并与我们联系上传批件。 基于深度神经网络的盆腔淋巴结自动识别系统的前瞻性临床研究直肠癌ChiCTR1900023255青岛大学数字医学与计算机辅助手术研究院
Unknown
不适用
基于影像组学和深度学习预测结直肠癌侵袭性、基因状态及预后的研究直肠癌；结肠癌ChiCTR25001012402024 年佛山市自筹经费类科技创新项目
Unknown
不适用
应用深度学习构建直肠癌区域淋巴结转移的影像辅助诊断模型直肠癌ChiCTR2100054350国家自然科学基金 NO.81971584
尚未招募
Unknown
基于病理图像及大尺度模型预测多重免疫荧光表达与直结肠癌临床预后效果的研究结直肠癌ChiCTR2500100445500
Unknown
不适用
基于术前 CT 图像的深度学习预测结直肠癌复发和治疗反应结直肠癌ChiCTR2400087237国家自然科学基金项目(82002221)，国家自然科学基金项目(8227242)，中山大学附属第六医院海归创业基金项目(82002221);国家自然科学基金项目(No. 81972212, XW)，广州市重点研发项目(No. 202206080008, XW)，广东省消化疾病临床研究中心项目(No. 2020B1111170004)，中国社会科学基金博士后资助项目(No. 20210217202501975, FG);GZC20233214, DC)，自治区自然科学基金计划专项培训项目(No.2022D03041，田旭伟)