ChiCTR2600117640尚未招募不适用
基于多模态影像的跟骨骨折人工智能模型开发、验证及临床评估
自选课题（自筹）1 个研究点 分布在 1 个国家开始时间: 2026年1月21日最近更新:
适应症
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 跟骨骨折分型准确性 / 一致性（AI 辅助 vs 常规阅片）
研究概览
简要总结
本课题拟围绕跟骨骨折“术前诊断—术后随访”的围手术期全流程，构建并验证可解释、可校准的人机协同影像决策支持系统，具体目标包括：1）降低骨折漏诊率与分型不一致性；2）减少不必要的 CT 复查与相关医疗成本；3）提高术后随访风险分级与决策的一致性、可追溯性；4）为住培 / 低年资医师提供结构化“思维支架”（检查清单与可解释证据），提升学习效率与安全性。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.存在术前或全足 CT；
- •2.存在术后 X 光片（标准侧位 + 轴位/Harris 位），且如用于“CT 参考标准”评估，则需在相近时间窗内有对应术后 CT；
- •3.影像可读取、可用于测量 / 标注（质量达最低标准）；
排除标准
- •1.图像质量不佳导致无法进行关键参数测量或无法完成标注 / 判读；
- •2.既往严重足部畸形显著影响解剖结构判断；
- •3.影像学检查时高度怀疑感染或其他可能显著改变影像表现的情况；
结局指标
主要结局
跟骨骨折分型准确性 / 一致性（AI 辅助 vs 常规阅片）
时间窗: 入院初诊影像检查时（首次获得术前影像后）
跟骨骨折检出诊断效能（AI 辅助 vs 常规阅片）
时间窗: 入院初诊影像检查时（首次获得术前 CT 后）
次要结局
- 阅片效率：阅片时间与报告编辑耗时（AI 辅助 vs 常规阅片）(读者研究阶段阅片时)
- 术后 X 线随访风险分级与升级处理建议的准确性 / 校准度(术后随访影像检查时（术后 X 线/DR 获得后)
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于人工智能和混合现实技术的多模异构三维骨折专家辅助系统的构建ChiCTR2300070658国家自然科学基金委员会
Unknown
不适用
基于变模态深度学习的股骨转子间骨折诊疗决策模型关键技术研究股骨转子间骨折ChiCTR2400094002自然科学基金
招募中
Unknown
深度学习辅助全身骨折检测：基于 X 线影像的回顾性研究ChiCTR2100054762国家自然科学基金面上项目：基于深度学习的骨肿瘤诊断方法研究，编号 618761092,000
尚未招募
Unknown
骨质疏松性椎体骨折辅助智能诊断系统的建立和临床应用骨质疏松ChiCTR2300069433课题支持
Unknown
不适用
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 基于人工智能的脊柱良恶性压缩性骨折的鉴别诊断研究椎体压缩性骨折ChiCTR2000040788自筹