Ganzes Folienbild zur Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom
Deep-Learning-Signatur basierend auf Bildern ganzer Objektträger zur Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Guizhou
-
Zunyi, Guizhou, China
- Rekrutierung
- Affiliated Hospital of Zunyi Medical University
-
Kontakt:
- Yongxiang Song, Dr
- Telefonnummer: 15505177258
- E-Mail: zhong961008@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, China
- Rekrutierung
- The First Affiliated Hospital of Nanchang University
-
Kontakt:
- Bentong Yu, Dr
- Telefonnummer: 021-65115006
- E-Mail: 1151697503@qq.com
-
-
Zhejiang
-
Ningbo, Zhejiang, China
- Rekrutierung
- Ningbo HwaMei Hospital
-
Kontakt:
- Minglei Yang, Dr
- Telefonnummer: 021-65115006
- E-Mail: almondjj@163.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Pathologische Bestätigung eines primären Lungenadenokarzinoms;
- Alter zwischen 20 und 75 Jahren;
- Einholung einer schriftlichen Einverständniserklärung.
Ausschlusskriterien:
- Mehrere Lungenläsionen;
- Schlechte Qualität der gesamten Diabilder;
- Teilnehmer mit unvollständigen klinischen Informationen;
- Muzinöse Adenokarzinome und Varianten;
- Teilnehmer, die eine neoadjuvante Therapie erhalten haben.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Übereinstimmungsgrad des IASLC-Bewertungssystems
Zeitfenster: 2024.11.01-2024.12.31
|
Übereinstimmungsrate zwischen dem Deep-Learning-Modell und Pathologen bei der Diagnose des IASLC-Grades eines Lungenadenokarzinoms.
|
2024.11.01-2024.12.31
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Übereinstimmungsrate der vorherrschenden Subtypen
Zeitfenster: 2024.11.01-2024.12.31
|
Übereinstimmungsrate zwischen dem Deep-Learning-Modell und Pathologen bei der Diagnose der vorherrschenden Wachstumsmuster des Lungenadenokarzinoms.
|
2024.11.01-2024.12.31
|
Andere Ergebnismessungen
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Spezifität
Zeitfenster: 2023.5.1-2023.10.31
|
Die Spezifität des Deep-Learning-Modells basierend auf Bildern ganzer Folien bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom.
Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III.
Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
|
2023.5.1-2023.10.31
|
|
Positiv vorhergesagter Wert
Zeitfenster: 2023.5.1-2023.10.31
|
Der positive Vorhersagewert des Deep-Learning-Modells basierend auf dem Bild des gesamten Objektträgers bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom.
Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III.
Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
|
2023.5.1-2023.10.31
|
|
Negativer Vorhersagewert
Zeitfenster: 2023.5.1-2023.10.31
|
Der negative Vorhersagewert des Deep-Learning-Modells basierend auf dem gesamten Folienbild bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom.
Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III.
Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
|
2023.5.1-2023.10.31
|
|
Genauigkeit
Zeitfenster: 2023.5.1-2023.10.31
|
Die Genauigkeit des Deep-Learning-Modells basiert auf dem Bild des gesamten Objektträgers bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom.
Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III.
Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
|
2023.5.1-2023.10.31
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
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
- WSIGS
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 .