ChiCTR2500110462进行中（未招募）不适用
超声多模态技术及人工智能算法在胆囊疾病诊断中的应用价值
横向课题7 个研究点 分布在 1 个国家目标入组 1,320 人开始时间: 2024年10月1日最近更新:
适应症
试验速览
- 阶段
- 不适用
- 状态
- 进行中（未招募）
- 发起方
- 入组人数
- 1,320
- 试验地点
- 7
- 主要终点
- 人工智能模型在诊断胆囊恶性病变中的准确性
研究概览
简要总结
1.主要目的：构建多任务、多源化的胆囊疾病超声影像数据库，同时构建基于超声图像的术前鉴别胆囊疾病性质的深度学习模型的建立。2.次要目的：创建覆盖胆囊疾病筛查、诊断及预测“全流程和全周期”的超声智能诊疗系统。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- All
入选标准
- •1.已有超声或 CT 等影像学检查，发现有胆囊占位性或厚壁型病变的非急性胆囊炎患者；
- •患者均拟接受外科手术治疗；
- •患者在外科手术治疗前两周内内行常规超声及超声造影检查；
- •患者年龄>18 岁，<80 岁。
排除标准
- •在外科手术前接受过其他综合性治疗的患者(如化疗、放疗等);
- •手术后病理学诊断仅为胆囊结石的患者；
- •手术后病理学诊断不明确的患者；
- •对超声造影存在潜在过敏风险的患者。
研究组 & 干预措施
胆囊息肉样病变组
厚壁型病变组
结局指标
主要结局
人工智能模型在诊断胆囊恶性病变中的准确性
次要结局
- 人工智能网络模型在临床实践中的成本效益
研究者
研究点 (7)
Loading locations...
相似试验
Unknown
不适用
超声组学在术前预测胆囊占位性病变风险鉴别中的价值：一项多中心研究ChiCTR2200056165自筹
Unknown
不适用
胆胰系统超声内镜图像深度学习模型的开发与验证ChiCTR2100048349国家自然科学基金资助项目(81272656, 81974068, 81572428);国家重点研发计划资助项目(2017YFC0110003)
尚未招募
Unknown
构建基于超声内镜的多模态人工智能模型用于胰腺占位性病变诊断ChiCTR2400087297
Unknown
不适用
超声造影对胆囊息肉样病变（≥10mm）良恶性诊断多中心研究胆囊息肉样病变ChiCTR2100049208研究者自发
已完成
Unknown
利用机器深度学习通过影像资料建立胆囊良恶性疾病的诊疗预测模型胆囊癌ChiCTR2500111583200