Forschung und Anwendung eines intelligenten Ultraschalldiagnosesystems für Eierstockmassen
25. Juli 2024 aktualisiert von: Zhejiang Provincial People's Hospital
Forschung zur automatischen Erkennung von Ovarialmasse und intelligentem Hilfsdiagnosesystem basierend auf multimodalen Ultraschallbildern
Forschung zur automatischen Erkennung der Eierstockmasse und intelligentem Hilfsdiagnosesystem basierend auf multimodalen Ultraschallbildern.
Studienübersicht
Status
Noch keine Rekrutierung
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Ziel der Forscher war es, ein intelligentes Ultraschalldiagnosesystem für Eierstockmasse zu entwickeln, das auf multimodalen Ultraschallbildern basiert.
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
100000
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Yingnan Wu, Doctor
- Telefonnummer: 0086 19883106164
- E-Mail: litaosun1971@sina.com
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Bei der gynäkologischen Ultraschalluntersuchung wurde bei mindestens einer Patientin ein persistierender Eierstocktumor festgestellt.
Der Patient wurde einer chirurgischen Behandlung unterzogen und die histopathologischen Ergebnisse wurden ermittelt.
Beschreibung
Einschlusskriterien:
- Bei der gynäkologischen Ultraschalluntersuchung wurde bei mindestens einer Patientin ein persistierender Eierstocktumor festgestellt.
- Der Patient wurde einer chirurgischen Behandlung unterzogen und die histopathologischen Ergebnisse wurden ermittelt.
Ausschlusskriterien:
- Histopathologische Analyse bestätigt Nicht-Ovarialtumor;
- Die histopathologischen Ergebnisse sind nicht schlüssig;
- Probleme mit der Bildqualität: Die Eierstockmasse ist unvollständig und zeigt einige umgebende Gewebe nicht (die Masse ist jedoch zu groß, um sie vollständig auszuschließen); die Bilder sind übermäßig verschwommen, was es schwierig macht, die Eigenschaften der Ovarialmasse zu bestimmen (mögliche Gründe sind Probleme mit der Hardwarequalität des Ultraschallgeräts, Bewegungsunschärfe, Fokussierungsprobleme, Vorhandensein von Darmgasen bei der Patientin); Verstärkungseinstellungen erschweren die Beurteilung der Merkmale der Eierstockmasse (z. B. geringer Kontrast, übermäßig dunkle Bilder oder Sättigung); Das Vorhandensein von Artefakten beeinflusst die Beurteilung der Ultraschalleigenschaften der Eierstockmasse und sollte ausgeschlossen werden.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Ausbildungskohorte
Die Trainingskohorte wird zum Trainieren eines künstlichen Modells auf der Grundlage von Multimodell-Ultraschallbildern oder -Videos verwendet.
|
|
|
Validierungskohorte
Die Validierungskohorte wird zur Validierung des künstlichen Modells verwendet.
|
Verwendung des Modells der künstlichen Intelligenz zur Diagnose gutartiger, grenzwertiger und bösartiger Eierstocktumoren.
|
|
Interne Testkohorte
Die interne Testkohorte wird verwendet, um das künstliche Modell intern zu testen.
|
Verwendung des Modells der künstlichen Intelligenz zur Diagnose gutartiger, grenzwertiger und bösartiger Eierstocktumoren.
|
|
Externe Testkohorte
Eine externe Testkohorte wird verwendet, um das künstliche Modell intern zu testen.
|
Verwendung des Modells der künstlichen Intelligenz zur Diagnose gutartiger, grenzwertiger und bösartiger Eierstocktumoren.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Fläche unter der Kurve
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
AUC (Area Under the Curve) ist ein gängiger Index zur Bewertung der Leistung binärer Klassifizierungsmodelle.
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Empfindlichkeit
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Unter Sensitivität versteht man die Fähigkeit des Tests, ein positives Ergebnis bei einer Person, die tatsächlich an der Krankheit leidet, korrekt zu erkennen.
Er stellt den Anteil der Fälle dar, in denen der Test ein positives Ergebnis für die Krankheit feststellen kann
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Spezifität
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Spezifität bezieht sich auf die Fähigkeit des Tests, ein negatives Ergebnis bei einer Person korrekt zu identifizieren, die nicht tatsächlich an der Krankheit leidet.
Es stellt den Anteil der Fälle dar, in denen die Krankheit negativ ausfällt und die der Test erkennen kann.
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
|
Genauigkeit
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Unter Genauigkeit versteht man den Grad der Übereinstimmung der Ergebnisse des Diagnosetests mit der tatsächlichen Situation
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
|
Positiver prädiktiver Wert
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Der positive Vorhersagewert gibt die Wahrscheinlichkeit an, dass ein Testergebnis wahr ist, wenn es positiv ist.
Mit anderen Worten: Es stellt den Anteil der Personen dar, die bei einem positiven Testergebnis als positiv diagnostiziert werden und tatsächlich an der Krankheit leiden
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
|
Negativer Vorhersagewert
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Der negative Vorhersagewert bezieht sich auf die Wahrscheinlichkeit, dass bei einem negativen Testergebnis das Ergebnis tatsächlich negativ ist.
Es stellt den Anteil der Personen dar, die bei negativen Testergebnissen als negativ diagnostiziert werden und tatsächlich frei von der Krankheit sind
|
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Mitarbeiter
Ermittler
- Studienstuhl: Litao Sun, Professor, Zhejiang Provincial People's Hospital
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Geschätzt)
30. Juli 2024
Primärer Abschluss (Geschätzt)
30. Juli 2029
Studienabschluss (Geschätzt)
30. Juli 2029
Studienanmeldedaten
Zuerst eingereicht
18. Juli 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
25. Juli 2024
Zuerst gepostet (Tatsächlich)
30. Juli 2024
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
30. Juli 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
25. Juli 2024
Zuletzt verifiziert
1. Juli 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
- Neubildungen
- Urogenitale Neoplasmen
- Neubildungen nach Standort
- Genitale Neubildungen, weiblich
- Erkrankungen des endokrinen Systems
- Eierstockerkrankungen
- Adnexerkrankungen
- Gonadenstörungen
- Neoplasmen der endokrinen Drüse
- Weibliche Urogenitalerkrankungen
- Weibliche Urogenitalerkrankungen und Schwangerschaftskomplikationen
- Urogenitale Erkrankungen
- Genitalerkrankungen
- Genitalerkrankungen, weiblich
- Eierstocktumoren
Andere Studien-ID-Nummern
- KY2024053
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
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 .