ChiCTR2300074194尚未招募Unknown
应用深度学习方法解决基于 CBCT 的 ART 中的若干问题
未提供1 个研究点 分布在 1 个国家开始时间: 2023年8月1日最近更新:
适应症
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 试验地点
- 1
- 主要终点
- 图像质量
研究概览
简要总结
基于深度学习的方法，通过 CBCT 图像生成合成 CT 图像，解决胸部肿瘤 CBCT 图像与 pCT 的形变配准问题，将 CBCT 用于自适应放疗的计划设计，剂量计算和综合评估，实现对放疗治疗响应的预测，从而帮助医生调整治疗计划和预测患者的疗效。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 1 至 100（—）
- 性别
- All
入选标准
- •2015 年 01 月至 2022 年 12 月在四川大学华西医院接受胸部肿瘤放射治疗；
- •2.接受至少两个疗程的放射治疗，即至少存在两个治疗计划；
- •3.接受了图像引导放射治疗；
- •4.每个疗程至少存在 5 个 CBCT 序列，即每个疗程至少有 5 个治疗分次；
- •5.治疗机器为瓦里安 edge 电子直线加速器。
排除标准
- 未提供
研究组 & 干预措施
比较观察组
结局指标
主要结局
图像质量
剂量
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 4DCT 和人工智能的肺癌放疗靶区和危及器官自动勾画的临床研究ChiCTR2000032417同济大学附属上海市肺科医院100
Unknown
不适用
基于深度学习的两阶段人工智能系统辅助放射科医生利用对比增强乳房 X 线摄影图像对乳腺病变进行检测和分类乳腺癌ChiCTR2200065169课题经费
Unknown
不适用
基于 CT 的深度学习方法预测胸段局部晚期食管鳞癌的放化疗疗效食管癌ChiCTR2000039279国家自然科学基金(编号：81530060 和 81874224)、山东省重点技术研究发展计划(编号：2017CXZC1206)、国家自然科学基金(批准号：81922040)、北京自然科学基金(批准号：7182109)、中国科学院青年创新促进会(批准号：2019136)的资助。
Unknown
不适用
基于深度学习的腹部病变 CT 影像学研究ChiCTR2200061330河南省高等学校重点科研项目（项目编号 22A320057）
Unknown
不适用
深度学习方法结合 CT 影像预测非小细胞肺癌 EGFR 突变的研究非小细胞肺癌ChiCTR1800019891科研经费