Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Deep Learning Model for Pure Solid Nodules Classification

14. september 2022 opdateret af: Chang Chen

Deep Learning Model Supplerende PET-CT som en mere effektiv diagnostisk metode til klassificering af rene solide knuder: en multicenter observationsundersøgelse

Formålet med denne undersøgelse er at sammenligne den prædiktive ydeevne af en CT-baseret dyb læringsmodel til klassificering af rene faste knuder og sammenlignet med den maksimale standardiserede tumoroptagelsesværdi på PET i en multicenter prospektiv kohorte.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Forventet)

260

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Kina
      • China, Gansu, Kina
        • Rekruttering
        • Lanzhou
        • Kontakt:
      • China, Guizhou, Kina
        • Rekruttering
        • Zunyi
        • Kontakt:
      • China, Jiangxi, Kina
        • Rekruttering
        • NanChang
        • Kontakt:
      • China, Zhejiang, Kina
        • Rekruttering
        • Ningbo
        • Kontakt:
    • Shanghai
      • Yangpu, Shanghai, Kina
        • Rekruttering
        • Shanghai Pulmonary Hospital

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år til 75 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter med pulmonale radiologiske rene faste knuder med størrelse mindre end 3 cm

Beskrivelse

Inklusionskriterier:

  • Deltagere planlagt til operation for radiologisk fund af pulmonale rene-faste læsioner fra de præoperative tynde snit CT-scanninger;
  • Den maksimale korte akse diameter af lymfeknuder mindre end 3 cm på CT-scanning;
  • Alder fra 18-75 år;
  • defineret patologisk undersøgelsesrapport tilgængelig;
  • Indhentet skriftligt informeret samtykke.

Ekskluderingskriterier:

  • Flere lungelæsioner;
  • Dårlig kvalitet af CT-billeder;
  • Deltagere med ufuldstændig klinisk information;
  • Deltagere, der har modtaget neoadjuverende terapi før indledende CT-evaluering.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AUC
Tidsramme: 2022.01-2023.12
Areal under kurven for modtagerens driftskarakteristik
2022.01-2023.12

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed
Tidsramme: 2022.01-2023.12
Forholdet mellem antallet af korrekt klassificerede prøver og det samlede antal prøver
2022.01-2023.12
følsomhed
Tidsramme: 2022.01-2023.12
Sandsynligheden for at opdage en positiv test i befolkningen med guldstandarden for sygdom (positiv)
2022.01-2023.12
Specificitet
Tidsramme: 2022.01-2023.12
Chancer for at opdage en negativ test i en befolkning, der er bedømt som sygdomsfri (negativ) efter guldstandarden
2022.01-2023.12
PPV
Tidsramme: 2022.01-2023.12
Positiv prædiktiv værdi
2022.01-2023.12
NPV
Tidsramme: 2022.01-2023.12
Negativ prædiktiv værdi
2022.01-2023.12

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Chang Chen

Samarbejdspartnere

Zunyi Medical College
Ningbo HwaMei Hospital, Zhejiang, China
The First Affiliated Hospital of Nanchang University, Jiangxi, China
The First Hospital of Lanzhou University, Gansu, China

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. januar 2022

Primær færdiggørelse (Forventet)

31. december 2023

Studieafslutning (Forventet)

31. december 2023

Datoer for studieregistrering

Først indsendt

13. september 2022

Først indsendt, der opfyldte QC-kriterier

14. september 2022

Først opslået (Faktiske)

16. september 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

16. september 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

14. september 2022

Sidst verificeret

1. september 2022

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Andre undersøgelses-id-numre

  • L21-022

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Abonner