适应症
试验速览
- 阶段
- Unknown
- 状态
- 已完成
- 试验地点
- 1
- 主要终点
- 超声影像及化验指标
研究概览
简要总结
通过深度学习对腮腺肿瘤的良恶性进行预测，帮助医生进行辅助诊断。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 20 至 75（—）
- 性别
- All
入选标准
- •1.受试者患有腮腺肿瘤；
- •2.受试者接受超声检查；
- •3.受试者活检或术后证实为腮腺肿瘤；
- •4.年龄 20—75 岁。
排除标准
- •1.超声检查前曾接受与病变相关的治疗，包括手术、经导管动脉化疗栓塞(TACE)、射频消融、化疗、放疗、靶向药物治疗等；
- •3.恶性肿瘤人员的重要病历或者化验结果缺失的；
- •5.有糖尿病、高脂血症、心脑血管病者；
- •6.有严重肝肾疾病、癌症患者；
结局指标
主要结局
超声影像及化验指标
时间窗: 2021-10 到 2025 年患者病理诊断明确时间
患者临床病例信息
患者病例信息
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
1 期
基于深度学习的乳腺、甲状腺超声图像智能判译系统研究ChiCTR2300069555自筹资金
Unknown
不适用
多模态超声在腮腺肿瘤中的应用腮腺肿瘤ChiCTR2100044188自筹
Unknown
不适用
基于人工智能方法在超声影像图像中预测甲状腺滤泡性肿瘤良恶性中的临床应用价值研究ChiCTR2200058254自筹
Unknown
不适用
通过临床适用的深度学习算法对多视角 X 线图像进行骨肿瘤风险的前瞻性评估骨肿瘤ChiCTR2500102778国家自然科学基金 No. 82172035 和 No. 82472067.
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