试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 试验地点
- 3
- 主要终点
- AI 模型标注目标图像中所需识别的解剖结构的正确率
研究概览
简要总结
1.1 建立超声引导下神经阻滞数据库。 1.2 构建 AI 识别模型（以下简称 AI 模型）并验证 AI 模型自动识别标注目标图像的有效性和安全性。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 18 至 70（—）
- 性别
- All
入选标准
- •BMI 在 19–23 kg/m^2；
- •美国医师协会（American society of anesthesiology, ASA）分级Ⅰ-Ⅱ级；
- •定向力正常，可配合查体。
排除标准
- •2.拟行神经阻滞部位感染、外伤、皮肤缺损、畸形或其它异常；
研究组 & 干预措施
Case series
结局指标
主要结局
AI 模型标注目标图像中所需识别的解剖结构的正确率
次要结局
- 真阳性（TP）的结构数
- 假阳性（FP）的结构数
- 真阴性（TN）的结构数
- 假阴性（FN）的结构数
- 标注时间
- 评估 AI 模型如果应用于辅助实施超声引导下区域阻滞对阻滞失败的影响（增加，无影响，降低）
- 评估 AI 模型如果应用于辅助实施超声引导下区域阻滞对不良事件发生率的影响（增加，无影响，降低）
研究者
研究点 (3)
Loading locations...
相似试验
尚未招募
2/3 期
Impact Of AI-Based Diagnostic ToolCTRI/2025/03/083529SIBAR Institute of Dental sciences200
Unknown
不适用
基于感知觉的神经系统疾病人工智能识别技术开发ChiCTR2500106684四川大学
招募中
Unknown
人工智能在超声图像中诊断浆膜腔积液的研究ChiCTR2200058588自筹
已完成
不适用
Ultrasound-Based Estimation of Hepatic Steatosis in Pediatric MASLDNCT07265011Jae Won Choi50
Unknown
不适用
基于人工智能的超声内镜食管病变辅助诊断系统的开发和验证食管癌ChiCTR2500106787上海市同济医院临床“五新”创新研发项目（ITJ(ZD)2409）