ChiCTR2500106039Active, not recruiting回顾性研究
基于深度学习构建乳腺 NME 病灶风险分层 DL-CIR 模型的关键技术研究
浙江省基础公益研究计划2 sites in 1 countryStarted: July 1, 2024Last updated:
Conditions
Trial Snapshot
- Phase
- 回顾性研究
- Status
- Active, not recruiting
- Sponsor
- Locations
- 2
- Primary Endpoint
- 深度学习特征
Study Overview
Brief Summary
本研究拟采用影像组学提取出反映纹理特征、形态特征和血流动力学特征的特征，采用深度学习提取表征性更强的深度特征，并将这些特征通过门控多模态融合方法与临床-影像特征进行融合，构建一种具有高效能乳腺 NME 病灶的良恶性诊断及精准风险分层的 DL-CIR 模型（Deep Learning-Clinical Imaging Radiomics），更好地提高 NME 临床诊断准确性。
Study Design
- Study Type
- 诊断试验
- Primary Purpose
- 诊断试验诊断准确性
- Masking
- 无
Eligibility Criteria
- Ages
- 18 to 90 (—)
- Sex
- Female
Inclusion Criteria
- •1.乳腺 DCE-MRI 图像上显示为 NME；
- •2.有完整的活检或手术病理资料，对于未进行活检或手术切除的，随访 2 年的 MRI 结果显示为病灶消失或稳定的可认定为良性；
Exclusion Criteria
- •1.乳腺 DCE-MRI 图像显示为肿块或点状强化；
- •2.乳腺 MRI 检查前进行过病灶活检、乳腺放化疗；
- •3.乳腺 MRI 图像质量差，影响图像分析；
Outcomes
Primary Outcomes
深度学习特征
Time Frame: 术前进行 MR 检查后
ROC 曲线
AUC 值
Secondary Outcomes
- 影像学特征(术前进行 MR 检查后)
- 影像组学特征(术前进行 MR 检查后)
Investigators
Study Sites (2)
Loading locations...
Similar Trials
Unknown
Not Applicable
基于 DCE-MRI 的深度学习在乳腺癌自动分割和分类中的应用乳腺癌ChiCTR2200063462课题经费
Unknown
Not Applicable
基于深度学习多组学的乳腺癌辅助诊疗与预后预测系统乳腺癌ChiCTR2400081831广东省重点领域研发计划资助（2021B0101420006）
Unknown
Not Applicable
基于多组学信息融合的乳腺疾病人工智能诊断预测模型的开发和构建研究乳腺疾病ChiCTR2400081249本研究得到了安徽医科大学第一附属医院临床研究计划项目（LCYJ2021YB008）、安徽省卫生健康科研项目（AHWJ2023A20096）、国家自然科学基金（82371993）、上海科技大学校内基金和上海科技大学高性能计算平台的支持。
Unknown
Not Applicable
基于 MRI 的人工智能识别乳腺癌三级淋巴结构状态及预测临床预后乳腺癌ChiCTR2400085188目前自筹
Recruiting
Unknown
基于深度学习的乳腺肿瘤辅助诊断及疗效评估研究乳腺癌ChiCTR2100044910