Hele diasbilledet til forudsigelse af det nye klassificeringssystem for resektioneret lungeadenokarcinom
Deep Learning-signatur baseret på hele diasbilleder til forudsigelse af det nye bedømmelsessystem for resektioneret lungeadenokarcinom
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Guizhou
-
Zunyi, Guizhou, Kina
- Rekruttering
- Affiliated Hospital of Zunyi Medical University
-
Kontakt:
- Yongxiang Song, Dr
- Telefonnummer: 15505177258
- E-mail: zhong961008@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, Kina
- Rekruttering
- The First Affiliated Hospital of Nanchang University
-
Kontakt:
- Bentong Yu, Dr
- Telefonnummer: 021-65115006
- E-mail: 1151697503@qq.com
-
-
Zhejiang
-
Ningbo, Zhejiang, Kina
- Rekruttering
- Ningbo HwaMei Hospital
-
Kontakt:
- Minglei Yang, Dr
- Telefonnummer: 021-65115006
- E-mail: almondjj@163.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patologisk bekræftelse af primært lungeadenokarcinom;
- Alder fra 20-75 år;
- Indhentet skriftligt informeret samtykke.
Ekskluderingskriterier:
- Flere lungelæsioner;
- Dårlig kvalitet af hele diasbilleder;
- Deltagere med ufuldstændig klinisk information;
- Mucinøse adenokarcinomer og varianter;
- Deltagere, der har modtaget neoadjuverende terapi.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Overensstemmelsesgrad for IASLC-karaktersystemet
Tidsramme: 2024.11.01-2024.12.31
|
Overensstemmelsesgrad mellem deep learning-modellen og patologer ved diagnosticering af IASLC-graden af lungeadenokarcinom.
|
2024.11.01-2024.12.31
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Overensstemmelsesgrad for de overvejende undertyper
Tidsramme: 2024.11.01-2024.12.31
|
Overensstemmelseshastighed mellem deep learning-modellen og patologer i diagnosticering af de dominerende vækstmønstre af lungeadenokarcinom.
|
2024.11.01-2024.12.31
|
Andre resultatmål
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Specificitet
Tidsramme: 2023.5.1-2023.10.31
|
Specificiteten af den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye klassificeringssystem for resekeret lungeadenokarcinom.
Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III.
Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
|
2023.5.1-2023.10.31
|
|
Positiv prædiktiv værdi
Tidsramme: 2023.5.1-2023.10.31
|
Den positive prædiktive værdi af den dybe læringsmodel baseret på hele diasbillede i forudsigelse af det nye karaktersystem for resekeret lungeadenokarcinom.
Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III.
Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
|
2023.5.1-2023.10.31
|
|
Negativ prædiktiv værdi
Tidsramme: 2023.5.1-2023.10.31
|
Den negative prædiktive værdi af den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye karaktersystem for resekeret lungeadenokarcinom.
Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III.
Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
|
2023.5.1-2023.10.31
|
|
Nøjagtighed
Tidsramme: 2023.5.1-2023.10.31
|
Nøjagtigheden af den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye klassificeringssystem for resekeret lungeadenokarcinom.
Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III.
Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
|
2023.5.1-2023.10.31
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Anslået)
Primær færdiggørelse
Studieafslutning (Anslået)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- WSIGS
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .