Bildgebungsbasiertes Deep Learning für die Diagnose und Stadieneinteilung von Lungenkrebs
Die Rolle des auf der CNN-Architektur basierenden Transferlernens der medizinischen Bildgebung bei der Diagnose und Einstufung von Lungenkrebs
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Zhilei Lv, MD
- Telefonnummer: 86-15107177084
- E-Mail: 794646434@qq.com
Studienorte
-
-
Hubei
-
Wuhan, Hubei, China, 430000
- Rekrutierung
- Wuhan Union Hospital
-
Kontakt:
- Zhilei Lv, MD
- Telefonnummer: 86-15107177084
- E-Mail: 794646434@qq.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Pathologische Diagnose von Lungenkrebs
- PET/CT oder CT-Untersuchung vor jeder krebsspezifischen Behandlung
Ausschlusskriterien:
- Eine Geschichte anderer bösartiger Erkrankungen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Interessent
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
durch Deep Learning vorhergesagte Beteiligung von Krebszellen
die Teilnehmer mit Läsionen von Lunge, Lymphknoten oder anderen Stellen, die durch bildbasiertes Deep Learning als positiv für eine Beteiligung von Krebszellen vorhergesagt wurden.
|
Behandlungsabsicht Chirurgie
diagnostische Punktion
|
|
keine durch Deep Learning vorhergesagte Beteiligung von Krebszellen
die Teilnehmer mit Läsionen von Lunge, Lymphknoten oder anderen Stellen, die durch bildbasiertes Deep Learning als negativ für eine Beteiligung von Krebszellen vorhergesagt wurden.
|
Behandlungsabsicht Chirurgie
diagnostische Punktion
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Das pathologische Ergebnis zeigte eine Beteiligung von Krebszellen an der Läsion
Zeitfenster: 1 Monat nach dem pathologischen Test
|
1 Monat nach dem pathologischen Test
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AFDSFA
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .