ChiCTR2500111741尚未招募不适用
基于深度学习的儿童迁延性细菌性支气管炎 CT 影像无创识别模型构建与多中心验证
自选课题（自筹）4 个研究点 分布在 1 个国家开始时间: 2025年10月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 4
- 主要终点
- 影像模型诊断 PBB 的准确性
研究概览
简要总结
开发并验证一种可解释的深度学习方法，利用高分辨率胸部 CT 自动识别儿童迁延性细菌性支气管炎（PBB）的影像特征，建立与“支气管镜下脓性分泌物 + BALF 病原学阳性”金标准高度一致的预测模型，实现无创、快速、跨中心可推广的 PBB 辅助诊断工具。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断性病例对照试验
- 盲法
- 无
入排标准
- 年龄范围
- 1 至 18（—）
- 性别
- All
入选标准
- •1.PBB 组：①诊断符合《中国儿童慢性湿性咳嗽的诊断与治疗专家共识（2019 年版）》”微生物学诊断标准；②入院后行 CT 检查和支气管镜检查（CT 检查要求在支气管镜检查前 7 天内完成）；③年龄<18 岁；
- •2.非 PBB 组：①年龄和性别上与 PBB 组匹配；②近 3 个月无呼吸道感染史；③肺部 CT 检查正常；④血常规无血象升高以排除潜在的亚临床炎症状态。
- •3.外部验证数据：纳入标准同上；
排除标准
- •1.PBB 排除标准：①入院后行胸部影像学见肺部絮状、斑片状、条索状或点状阴影者；②合并支原体、百日咳、结核感染者；③以及合并严重心肺或全身性疾病者。
- •2.非 PBB 组排除标准：①肺部 CT 检查提示有明显絮状、斑片状、条索状或点状阴影者；②近期有呼吸道症状。
- •3.外部验证数据：排除标准同上；
结局指标
主要结局
影像模型诊断 PBB 的准确性
时间窗: 入院后、支气管镜检查前 7 天内
次要结局
- 灵敏度
- 特异度
研究者
研究点 (4)
Loading locations...
相似试验
Unknown
不适用
基于深度学习和影像组学的儿童腺病毒肺炎后闭塞性细支气管炎风险早期预测研究ChiCTR2500110186自筹
Unknown
不适用
基于机器学习构建 IPF（特发性肺纤维化）的临床预后模型与时序 CT 图像预测模型ChiCTR2400083089国家重点技术研发计划（No.2021YFC2500700）
上海交通大学医学院学生创新培养计划（No.1723Y034）
Unknown
不适用
深度学习在 CT 肺部感染鉴别中应用ChiCTR24000928122023 年临床重点专科建设（医学影像科）
Unknown
不适用
基于深度学习和影像组学的早期特发性肺纤维化诊断模型特发性肺纤维化ChiCTR2500096539上海市胸科医院临床研究专项基金
已完成
Unknown
CT 大数据驱动的类鼻疽肺炎预警、准确诊断及预后预测研究类鼻疽肺炎ChiCTR2200060613