ChiCTR2100052477尚未招募早期 1 期
基于全容积三维超声的 TransUNet 深度神经网络模型在乳腺癌诊断中的应用研究
复旦大学附属华东医院资助1 个研究点 分布在 1 个国家目标入组 900 人开始时间: 2022年1月1日最近更新:
试验速览
- 阶段
- 早期 1 期
- 状态
- 尚未招募
- 发起方
- 入组人数
- 900
- 试验地点
- 1
- 主要终点
- 年龄
研究概览
简要总结
1.建立乳腺肿块大数据库，包括全容积超声数据和临床信息，利用 TransUNet 深度学习方法，建立中国人群乳腺癌个性化诊断模型，提出乳腺肿块恶性风险评估方案； 2.通过前瞻性大型队列设计，验证并最终建立适合中国人群乳腺癌个性化人工智能诊断模型。
研究设计
- 研究类型
- 干预性研究
- 主要目的
- 析因分组（即根据危险因素或暴露因素分组）
- 盲法
- N/a
入排标准
- 年龄范围
- 20 至 85（—）
- 性别
- Female
入选标准
- •1.有外科手术病理结果的病例；
- •2.虽未手术，但行超声引导下穿刺活检而有组织病理学结果的病例；
- •3.虽未手术和穿刺活检，但经过 1 年以上 X-线钼靶或 MRI 随访证实为良性或正常的病例。
排除标准
- •1.各种原因导致全容积三维超声数据不完整的病例；
- •2.已证实乳腺良性（或恶性）肿块，接受有创或药物治疗的病例；
- •3.有全身其他部位恶性肿瘤而接受化疗的病例。
研究组 & 干预措施
乳腺癌组
组织病理结果
乳腺良性肿块组
组织病理结果
结局指标
主要结局
年龄
身高
体重
肿块大小
肿块形态
肿块边界
肿块部位
肿块数目
肿块边缘
肿块回声
次要结局
- 疾病史
- 吸烟史
- 饮酒史
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
陈林医师：请尽快联系我们上传正式版伦理审批文件。 基于全容积三维超声的时空表达深度学习网络模型在乳腺癌诊断中应用研究乳腺癌ChiCTR2000036274上海市申康医院发展中心
Unknown
不适用
基于人工智能的乳腺癌多模态超声精准诊断及演进预测的关键技术开发与体系建立乳腺癌ChiCTR2000036673上海市科学技术委员会（18441905500）
Unknown
不适用
基于超声造影的乳腺癌前哨淋巴结人工智能诊断乳腺癌ChiCTR2000031231研究者自行承担
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
宋梅医师：请于伦理委员会批准后才开始征募参试者，并与我们联系上传伦理批件。 基于乳腺肿瘤超声造影和弹性成像的影像组学大数据的多中心研究乳腺肿瘤ChiCTR2000037970自费