AI-verstärkte Analyse der Brustdichte und Hintergrundparenchymverstärkung (BPE)
15. Februar 2025 aktualisiert von: Graziella di Grezia, Link Campus University
Diese Studie erweitert frühere Untersuchungen, in denen die Korrelation zwischen Brustdichte, Hintergrundparenchymalerverstärkung (BPE) und Alter bei kontrastverstärkter Mammographie (CEM) untersucht wird.
Durch die Integration künstlicher Intelligenz (KI) -Methoden, einschließlich künstlicher neuronaler Netzwerke (ANNS) und Deep -Learning -Modelle, zielt die Studie darauf ab, die Genauigkeit von Vorhersagen zu optimieren und frühere Ergebnisse zu validieren, die durch mehrere lineare Regressionen erhalten wurden.
Studienübersicht
Status
Anmeldung auf Einladung
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
213
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Naples, Italien, 80138
- University of Campania Luigi Vanvitelli
-
-
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
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Frauen ab 18 Jahren, die sich für diagnostische oder Überwachungszwecke CEM unterzogen hatten.
Patienten mit aufgezeichneten BPE-Spiegeln und BI-Rads-Brustdichteklassifizierung.
Relationale Datenbank mit strukturierten Daten zur Korrelationsmatrixanalyse und dem KI -Modelltraining.
Beschreibung
Patienten, die zwischen Mai 2022 und Juni 2023 CEM, Mammographie und Ultraschall unterzogen wurden.
Verfügbarkeit von BPE-Bewertung, Klassifizierung der BI-Rads-Dichte und Altersdaten.
Vollständiger Datensatz für statistische und KI-basierte Analyse verfügbar.
Ausschlusskriterien:
Patienten mit früherer Brustkrebsbehandlung, die BPE verändern könnten.
Unvollständige Bildgebung oder fehlende Klassifizierungsdaten.
Kontraindikationen gegen kontrastverstärkte Bildgebung.
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 |
|---|
|
Patiens wurden CEM unterzogen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Korrelation zwischen Brustdichte, BPE und Alter unter Verwendung einer AI-gesteuerten Analyse.
Zeitfenster: Datenanalyse innerhalb von 12 Monaten nach Abschluss der Studie.
|
Bewertung, ob KI -Modelle, einschließlich neuronaler Netze, die Vorhersagegenauigkeit für die BPE -Bewertung im Vergleich zur herkömmlichen multiplen linearen Regression verbessern können.
|
Datenanalyse innerhalb von 12 Monaten nach Abschluss der Studie.
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
AI-basierte Optimierung der Brustdichte und der BPE-Klassifizierung
Zeitfenster: Innerhalb von 12 Monaten nach Abschluss der Studie
|
Bewertung der Leistung neuronaler Netzwerke bei der Vorhersage von BPE -Spiegeln in verschiedenen Kategorien der Brustdichte.
|
Innerhalb von 12 Monaten nach Abschluss der Studie
|
|
Vergleichende Leistung mehrerer linearer Regression im Vergleich zu KI -Modellen.
Zeitfenster: Innerhalb von 12 Monaten nach Abschluss der Studie.
|
Bewertung der Genauigkeit traditioneller statistischer Methoden im Vergleich zu Ann-basierten Vorhersagen zur Erklärung der Varianz der BPE-Werte.
|
Innerhalb von 12 Monaten nach Abschluss der Studie.
|
|
Mittlerer quadratischer Fehler (MSE) und erklärte die Varianz in prädiktiven Modellen
Zeitfenster: Innerhalb von 12 Monaten nach Abschluss der Studie
|
Analyse der Fehlerraten und der Varianz, die durch verschiedene KI -Modelle im Vergleich zur multiplen linearen Regression erklärt werden.
|
Innerhalb von 12 Monaten nach Abschluss der Studie
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
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 (Tatsächlich)
1. Mai 2022
Primärer Abschluss (Tatsächlich)
30. Juni 2023
Studienabschluss (Geschätzt)
1. Februar 2025
Studienanmeldedaten
Zuerst eingereicht
15. Februar 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
15. Februar 2025
Zuerst gepostet (Tatsächlich)
25. März 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
25. März 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
15. Februar 2025
Zuletzt verifiziert
1. Februar 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
- T_6_2025
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 .