KI unterstützte die Diagnose solider Pankreasläsionen
Verbessertes Deep-Learning-Modell zur Diagnose solider Pankreasläsionen durch multimodale klinische Bilder
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Shanghai
-
Shanghai, Shanghai, China, 200433
- Rekrutierung
- CT and EUS
-
Kontakt:
- Zhaoshen Li
- Telefonnummer: 86-21-31162338
- E-Mail: changhaiec@126.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- solide Masse der Bauchspeicheldrüse in CT und EUS
Ausschlusskriterien:
- unzureichende Bildqualität von CT oder EUS
- endoskopischer Ultraschall nicht zugängliche Läsionen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Patienten mit soliden Läsionen der Bauchspeicheldrüse
|
Es findet kein Eingriff statt.
Kliniker werden die Vorschläge einer hypothetischen KI überprüfen
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Forscher verwenden ein Unterstützungssystem mit künstlicher Intelligenz (KI), um die Diagnose fester raumfordernder Läsionen der Bauchspeicheldrüse zu unterstützen
Zeitfenster: 2 Monate
|
Ein mehrschichtiges Screening Deep Convolution Network basierend auf Deep Convolution Network wurde entwickelt, um seine Genauigkeit, Empfindlichkeit und Spezifität bei der Unterstützung von MDT-Ärzten bei der Identifizierung gutartiger und bösartiger raumfordernder Läsionen der Bauchspeicheldrüse zu beobachten.
|
2 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (ERWARTET)
Studienbeginn
Primärer Abschluss (ERWARTET)
Primärer Abschluss
Studienabschluss (ERWARTET)
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
- 2022-AI and MDT
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 .