- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05179850
Computer Aided Diagnostic Tool on Computed Tomography Images for Diagnosis of Retroperitoneal Tumor in Children
tiistai 4. tammikuuta 2022 päivittänyt: Yuhan Yang, West China Hospital
The aim of this study was to evaluate the diagnostic efficacy of computer aided diagnostic tool for retroperitoneal tumor using machine learning and deep learning techniques on computed tomography images in children.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Interventio / Hoito
Yksityiskohtainen kuvaus
The retroperitoneal space extends from the lumbar region to the pelvic region and houses vital structures such as the kidney, the ureter, the adrenal glands, the pancreas, the aorta and its branches, the inferior vena cava and its tributaries, lymph nodes, and loose connective tissue meshwork along with fat.
This space thus allows the silent growth of primary and metastatic tumors, such that clinical features appear often too late.
The therapeutic regimen differs on various types of retroperitoneal tumor in children.
It is damaging for pediatric patients to acquire histological specimens through invasive procedures.
Hence, an urgent evaluation is absolutely necessary for preoperative diagnosis in such cases via noninvasive approaches.
This study is a retrospective-prospective design by West China Hospital, Sichuan University, including clinical data and radiological images.
A retrospective database was enrolled for patients with definite histological diagnosis and available computed tomography images from June 2010 and December 2020.
The investigators have constructed deep learning and machine learning radiomics diagnostic models on this retrospective cohort and validated it internally.
A prospective cohort would recruit infantile patients diagnosed as retroperitoneal tumor since January 2021.
The proposed deep learning model would also be validated in this prospective cohort externally.
The aim of this study was to evaluate the diagnostic efficacy of computer aided diagnostic tool for retroperitoneal tumor using machine learning and deep learning techniques on computed tomography images in children.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
400
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Sichuan
-
Chengdu, Sichuan, Kiina, 6100041
- Rekrytointi
- West China Hospital, Sichuan University
-
Päätutkija:
- Yuhan Yang, MD
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
1 sekunti - 18 vuotta (Lapsi, Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Patients who had retroperitoneal tumor and completed the abdominal computed tomography examination before operation, biopsy, neoadjuvant chemotherapy, and radiotherapy.
Kuvaus
Inclusion Criteria:
- Age up to 18 years old
- Receiving no treatment before diagnosis
- With written informed consent
Exclusion Criteria:
- Clinical data missing
- Unavailable computed tomography images
- Without written informed consent
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
---|---|
Retrospektiivinen kohortti
Sisäinen kohortti ilmoitettiin takautuvasti Sichuanin yliopiston Länsi-Kiinan sairaalaan kesäkuusta 2010 ja joulukuusta 2020.
Se on koulutus- ja sisäinen validointikohortti.
|
Erilaisia radio-, koneoppimis- ja syväoppimisstrategioita radioisten piirteiden poimimiseen, lajitteluominaisuuksiin ja mallin supistukseen.
|
Tuleva kohortti
Saman keskuksen osalta sovellettiin samoja sisällyttämis-/poissulkemiskriteerejä.
Se on ulkoinen validointikohortti.
|
Erilaisia radio-, koneoppimis- ja syväoppimisstrategioita radioisten piirteiden poimimiseen, lajitteluominaisuuksiin ja mallin supistukseen.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Pathological tumor diagnosis
Aikaikkuna: Baseline
|
The diagnosis is defined by histopathological specimens from surgery and/or biopsy.
|
Baseline
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Perjantai 1. tammikuuta 2021
Ensisijainen valmistuminen (Odotettu)
Sunnuntai 31. joulukuuta 2023
Opintojen valmistuminen (Odotettu)
Sunnuntai 31. joulukuuta 2023
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 16. joulukuuta 2021
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Torstai 16. joulukuuta 2021
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 5. tammikuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 20. tammikuuta 2022
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 4. tammikuuta 2022
Viimeksi vahvistettu
Lauantai 1. tammikuuta 2022
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
- Neoplasmat histologisen tyypin mukaan
- Urologiset kasvaimet
- Urogenitaaliset kasvaimet
- Neoplasmat sivustoittain
- Munuaissairaudet
- Urologiset sairaudet
- Kasvaimet, rauhas- ja epiteelikasvaimet
- Geneettiset sairaudet, synnynnäiset
- Neoplasmat, neuroepiteliaaliset
- Neuroektodermaaliset kasvaimet
- Kasvaimet, hermokudos
- Munuaisten kasvaimet
- Neoplastiset oireyhtymät, perinnölliset
- Neoplasmat, monimutkaiset ja sekamuotoiset
- Neuroektodermaaliset kasvaimet, primitiiviset
- Neuroektodermaaliset kasvaimet, primitiiviset, perifeeriset
- Neoplasmat
- Neoplasmat, sukusolut ja alkiot
- Neuroblastooma
- Wilmsin kasvain
- Teratoma
Muut tutkimustunnusnumerot
- HX-2021477
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .
Kliiniset tutkimukset Radiomic Algorithm
-
West China HospitalRekrytointiHepatoblastooma | Maksan hemangioendotelioomaKiina
-
Medtronic Bakken Research CenterMedtronicLopetettuSydämen vajaatoiminta | Eteisvärinä | Äkillinen sydänkuolemaSaksa
-
Abbott Medical DevicesValmis
-
Universidad Pública de NavarraMutua NavarraTuntematonOlkapään törmäys | Rotator Cuff -tautiEspanja
-
Ablacon, Inc.Aktiivinen, ei rekrytointiPatologiset prosessit | Sydänsairaudet | Sydän-ja verisuonitaudit | Eteisvärinä | Rytmihäiriöt, sydän | Eteisvärinä, jatkuvaYhdysvallat
-
Centre hospitalier de l'Université de Montréal...RekrytointiDiabetes mellitusKanada
-
Dana-Farber Cancer InstituteCancer Nutrition Consortium Inc.Ei vielä rekrytointiaElämänlaatu | Ravitsemus huono | RavitsemuspuutosYhdysvallat
-
Ablacon, Inc.ValmisEteisvärinä, jatkuvaTšekki
-
University of California, San FranciscoRekrytointiKirroosi | Akuutti munuaisvaurio | Portahypertensio | Hepatorenaalinen oireyhtymä | Akuutti tubulusnekroosi | Prerenaalinen vajaatoimintaYhdysvallat