ChiCTR2000032229进行中（未招募）回顾性研究
开发和验证基于临床数据和动态对比增强 CT 图像的肝纤维化分期深度学习模型
国家科技重大专项、南方医科大学南方医院2 个研究点 分布在 1 个国家开始时间: 2020年5月1日最近更新:
适应症
试验速览
- 阶段
- 回顾性研究
- 状态
- 进行中（未招募）
- 发起方
- 试验地点
- 2
- 主要终点
- 基于 CT 图像的深度学习特征
研究概览
简要总结
结合医学成像人工智能技术和临床数据，建立了一种新的肝纤维化分期模型，避免了肝活检并发症，使患者受益。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- 未说明
入排标准
- 性别
- All
入选标准
- •（1）18 岁及其以上；
- •（2）有包括肝纤维化分期在内的病理报告；
- •（4）无直径大于 10 厘米的肝肿瘤；
- •（5）在肝脏病理评估后 3 个月内进行过 CT 检查。
排除标准
- •（1）临床特征数据不完整；
- •（2）无法获得 CT 影像；
- •（3）肝组织不足以进行纤维化分期。
结局指标
主要结局
基于 CT 图像的深度学习特征
基于临床数据的贝叶斯网络特征
石蜡病理诊断结果
SEN, SPE, ACC, AUC of ROC
次要结局
未报告次要终点
研究者
研究点 (2)
Loading locations...
相似试验
Unknown
不适用
基于增强 CT、MRI 的影像特征、影像组学、深度学习在预测肝癌高危病理类型和不良预后的应用肝癌ChiCTR2300068879山东省自然科学基金(No. ZR2020MH285)，中国国家自然科学基金 (81871354, 81571672)
Unknown
不适用
深度学习重建技术在肝脏检查中的应用价值研究ChiCTR2500104408自筹
尚未招募
Unknown
基于影像组学和深度学习在肝癌病理和预后中的应用肝细胞癌ChiCTR2500104899
Unknown
不适用
人工智能辅助肝脏病变的超声精准诊疗及与 CT/MR 比较ChiCTR2100048674国家自然科学基金（81971630）/广东省自然科学基金（2021B1515020054）
Unknown
不适用
基于多模态数据及深度学习算法建肝细胞癌患者接受血管性介入治疗预后模型建立及前瞻性验证的真实世界研究肝细胞癌ChiCTR2200057447自筹1,000