ChiCTR2000036250尚未招募Unknown
基于深度学习模型的颈动脉斑块自动识别方法在脑卒中超声影像筛查中的应用研究
上海申康医院发展中心1 个研究点 分布在 1 个国家目标入组 200 人开始时间: 2020年10月1日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 发起方
- 入组人数
- 200
- 试验地点
- 1
- 主要终点
- 颈动脉内中膜厚度
研究概览
简要总结
（1）设计基于卷积神经网络分割方法下最佳颈动脉内中膜超声图像识别方法； （2）通过与颈动脉斑块超声造影结果进行对照，总结计算机自动识别易损斑块 GSM(grey—scalemedian)回声特性方法，建立计算机自动分析颈动脉灰阶超声图像判断斑块易损性的模型。 （3） 通过基于深度学习模型的颈动脉斑块自动识别方法促进并提高脑卒中颈动脉筛查的准确性和工作效率。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •（1）患者年龄在 18-80 岁；
- •（2）患者均在知情同意的情况下接受颈动脉超声及超声造影检查，本研究所涉及的内容符合我院医学伦理委员会的相关规定。
排除标准
- •（1）重度脑水肿或昏迷等病情不稳定者；
- •（2）因风湿性心脏病、冠心病及其他心脏病合并房颤，引起脑栓塞者；
- •（3）合并严重感染或有肝、肾、造血系统、内分泌系统等严重疾病及骨关节病者；
- •（4）严重精神症状、重度认知障碍、痴呆者；
- •（5）妊娠期妇女以及哺乳期妇女；
- •（6）超声造影剂过敏、凝血机能异常者以及长期使用阿司匹林、华法林等抗凝药物而不能停止用药者。
研究组 & 干预措施
case series
结局指标
主要结局
颈动脉内中膜厚度
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
不适用
基于机器学习构建颈动脉易损斑块发生缺血性脑卒中的风险预测模型及其效能评价ChiCTR2500103482湖州市科技局600
Unknown
不适用
超声技术评价颈动脉斑块稳定性及预测脑卒中发生的研究ChiCTR1900021846北京市医院管理局
Unknown
不适用
基于头颈动脉斑块高分辨率磁共振成像构建脑卒中危险分级及复发预测模型的研究ChiCTR2200057315复旦大学附属华山医院科研启动基金 (2021QD035)45
Unknown
不适用
基于视网膜结构及功能同步影像和深度学习融合网络的缺血性脑卒中辅助诊断关键技术研究缺血性脑卒中ChiCTR2000038731安徽省自然科学基金项目100
Unknown
不适用
脑卒中相关血管床粥样硬化斑块的快速磁共振成像及智能诊断研究ChiCTR1900024260国家自然科学重点基金 818300561,000